要約
半教師あり学習（Semi-Supervised Learning, SSL）アルゴリズムは、ラベル付きデータが限られているがラベルなしデータは豊富な環境下での学習において大きな潜在能力を示している。しかし、我々の実験では、従来のSSLアルゴリズムが抱えるいくつかの課題が明らかになった。特に、ラベル付きデータとラベルなしデータの分布が異なる場合の性能の低下が顕著である。これらの問題に対処するため、我々はRealMixを提案する。RealMixは、ラベル付きデータとラベルなしデータのサイズが異なるさまざまな標準ベンチマークデータセットにおいて、最先端の性能を達成するとともに、上述の課題を克服している。特に、CIFAR10において250枚のラベル付きデータのみを用いた場合、9.79%の誤差率を達成し、ラベル付きデータとラベルなしデータの分布に顕著な不一致がある状況下でも、ベースライン性能を上回る唯一のSSL手法である。RealMixは、データおよび計算リソースが限られた実世界の状況においてSSLをどのように活用できるかを示しており、実用性を重視したSSL研究のさらなる発展を促すものである。