n-CPS：半教師ありセマンティックセグメンテーションにおけるnネットワークへのクロス疑似教師ラベルの一般化

本稿では、半教師ありセマンティックセグメンテーションのタスクに対して、最近の最先端手法であるクロス擬教師付き学習（Cross Pseudo Supervision, CPS）の一般化として、n-CPSを提案する。n-CPSでは、同時に学習されるn個のサブネットワークが、one-hotエンコーディングの摂動と一貫性正則化を通じて相互に学習し合う。また、サブネットワークの出力に対してアンサンブル技術を適用することで、性能が著しく向上することを示した。筆者らの知る限り、CutMixを組み合わせたn-CPSはCPSを上回り、Pascal VOC 2012（教師付きデータ比率が1/16、1/8、1/4、1/2の各設定）およびCityscapes（1/16の教師付きデータ）において、新たな最先端性能を達成した。