Co je to regularizace konzistence (FixMatch)?

Konzistence regulace je metoda v oblasti učení s částečně označenými daty, která předpokládá, že model by měl poskytovat stabilní předpovědi pro různé variace stejného vstupu. V FixMatch je tento princip realizován pomocí použití slabých a silných augmentací dat: model generuje pseudo-štítky na základě slabé augmentace a poté se trénuje na silné augmentaci, přičemž cílem je, aby předpovědi odpovídaly.

Příklad: pro obrázek se nejprve aplikuje lehká augmentace (například malá změna jasu), model předpovídá třídu, a pokud je jistota dostatečně vysoká, tato předpověď je použita jako pseudo-štítek. Poté je na stejný obrázek aplikována silná augmentace (například náhodné oříznutí, otočení), a model se trénuje tak, aby předpověď na silné augmentaci odpovídala pseudo-štítku.

To pomáhá efektivně využívat neoznačená data a zlepšuje schopnost generalizace modelu.