要約
本研究は、画像分類器の半教師付き学習の問題に取り組んでいます。我々の主な洞察は、自己教師付き視覚表現学習という急速に進歩している分野が、半教師付き学習の分野にも貢献できるということです。これらの2つのアプローチを統合することにより、自己教師付き半教師付き学習（Self-Supervised Semi-Supervised Learning）のフレームワークを提案し、このフレームワークを利用して2つの新しい半教師付き画像分類手法を導き出しました。これらの手法の有効性を、慎重に調整された基準と既存の半教師付き学習手法との比較を通じて示しています。さらに、我々のアプローチと既存の半教師付き学習手法を共同で訓練することで、ILSVRC-2012データセットにおいて10%のラベルを使用した場合でも新たな最先端の結果を得ることができることを示しています。