SelfMatch: 대조적 자기지도 학습과 일관성의 결합을 통한 반자기지도 학습

이 논문은 대조적 자기지도 학습(contrastive self-supervised learning)과 일관성 정규화(consistency regularization)의 강점을 결합한 반자율 학습 방법 SelfMatch를 제안한다. SelfMatch는 두 단계로 구성된다: (1) 대조 학습 기반의 자기지도 전학습, 그리고 (2) 증강 일관성 정규화 기반의 반자율 미세조정. 실증적으로 SelfMatch가 CIFAR-10 및 SVHN과 같은 표준 벤치마크 데이터셋에서 최신 기술 수준의 성능을 달성함을 입증하였다. 예를 들어, 클래스당 레이블이 40개인 CIFAR-10 환경에서 SelfMatch는 93.19%의 정확도를 기록하였으며, MixMatch(52.46%), UDA(70.95%), ReMixMatch(80.9%), FixMatch(86.19%)와 같은 강력한 기존 방법들을 모두 상회하였다. 특히, 각 클래스에 매우 적은 수의 레이블만을 사용함으로써, 자기지도 학습(95.87%)과 반자율 학습(93.19%) 간의 성능 격차를 효과적으로 줄일 수 있음을 확인하였다.