要約
最近の半教師あり学習（Semi-Supervised Learning, SSL）に関する研究では、大きな成功が達成されています。しかし、その有望な性能にもかかわらず、現行の最先端手法はより複雑な設計に傾倒しており、ネットワーク構成要素の増加や追加の学習手順の導入を伴っています。本論文では、既存の対照的共同学習半教師あり学習フレームワークの性能向上に主眼を置いた単純な手法である「アンサンブルプロジェクター支援半教師あり学習（Ensemble Projectors Aided for Semi-supervised Learning, EPASS）」を提案します。標準的な手法とは異なり、EPASSは複数のプロジェクターから得られるアンサンブル埋め込みをメモリバンクに保存します。これにより、EPASSは汎化能力を向上させ、特徴表現を強化し、性能を向上させることが可能です。例えば、EPASSはSimMatchにおいて100k/1%/10% のラベル付きデータを使用して39.47%/31.39%/24.70% のトップ-1誤識別率を改善し、ImageNetデータセットでのCoMatchにおいて40.24%/32.64%/25.90% のトップ-1誤識別率を達成しています。これらの改善は手法、ネットワークアーキテクチャ、データセット間で一貫しており、提案手法の一般的な有効性が証明されています。コードは https://github.com/beandkay/EPASS で公開されています。