OpenLDN: 新たなクラスの発見を学ぶオープンワールド半教師付き学習

半教師あり学習（Semi-supervised Learning, SSL）は、教師あり学習のアノテーションボトルネック問題を解決する主要な手法の一つです。最近のSSL手法は、少量のラベル付きデータに依存しながら、大量の非ラベル付きデータを効果的に活用して性能を向上させることができます。しかし、多くの実世界のシナリオでは、ラベル付きデータと非ラベル付きデータが同じデータ分布から来ているという仮定が成り立たないことが多く、これがその適用範囲を制限しています。本研究では、そのような仮定を持たない挑戦的なオープンワールドSSL問題を解くことを試みます。オープンワールドSSL問題においては、既知クラスのサンプルを認識するとともに、非ラベル付きデータ中に存在する未知クラスのサンプルを検出およびクラスタリングすることが目的です。本研究では、ペアワイズ類似度損失を利用したOpenLDN（Open Label Discovery and Novelty detection）を導入します。二段階最適化則を使用することで、このペアワイズ類似度損失はラベル付きセットに含まれる情報を活用し、未知クラスのサンプルを暗黙的にクラスタリングしつつ、既知クラスのサンプルを認識することができます。未知クラスが発見された後、OpenLDNはオープンワールドSSL問題を標準的なSSL問題に変換し、既存のSSL手法を使用してさらなる性能向上を目指します。我々の広範な実験結果は、OpenLDNが複数の人気のある分類ベンチマークで現行最先端手法よりも優れた性能を示すとともに、より良い精度/学習時間トレードオフを提供することを示しています。