要約
本稿では、ImageNetにおけるトップ1精度で90.2％という新たな最良成績を達成する半教師付き学習手法「Meta Pseudo Labels」を提案する。これは既存の最良手法よりも1.6％高い成果である。Pseudo Labelsと同様に、Meta Pseudo Labelsも教師ネットワークを用いて未ラベルデータに対して擬似ラベルを生成し、それをもとに学生ネットワークを学習させる。しかし、Pseudo Labelsでは教師ネットワークが固定されるのに対し、Meta Pseudo Labelsでは、学生ネットワークがラベル付きデータ上で示す性能のフィードバックに基づいて教師ネットワークが継続的に適応される。その結果、より優れた擬似ラベルが生成され、学生ネットワークに対する学習効果が向上する。本研究のコードは、https://github.com/google-research/google-research/tree/master/meta_pseudo_labels にて公開される予定である。