Τι είναι η κανονικοποίηση συνέπειας (FixMatch);

Ομοιογενής κανονικοποίηση είναι μια μέθοδος στον τομέα της εκπαίδευσης με μερικώς επισημασμένα δεδομένα, που προϋποθέτει ότι το μοντέλο πρέπει να δίνει σταθερές προβλέψεις για διαφορετικές παραλλαγές της ίδιας εισόδου. Στο FixMatch, αυτή η αρχή υλοποιείται μέσω της χρήσης αδύναμων και ισχυρών αυξήσεων δεδομένων: το μοντέλο δημιουργεί ψευδο-ετικέτες με αδύναμη αύξηση και στη συνέχεια εκπαιδεύεται με ισχυρή αύξηση, επιδιώκοντας οι προβλέψεις να ταιριάζουν.

Παράδειγμα: για μια εικόνα, εφαρμόζεται πρώτα μια ελαφριά αύξηση (π.χ., μια μικρή αλλαγή στη φωτεινότητα), το μοντέλο προβλέπει την κλάση, και αν η εμπιστοσύνη είναι αρκετά υψηλή, αυτή η πρόβλεψη χρησιμοποιείται ως ψευδο-ετικέτα. Στη συνέχεια, η ίδια εικόνα υφίσταται μια ισχυρή αύξηση (π.χ., τυχαία περικοπή, περιστροφή), και το μοντέλο εκπαιδεύεται ώστε η πρόβλεψη στην ισχυρή αύξηση να ταιριάζει με την ψευδο-ετικέτα.

Αυτό βοηθά στη αποτελεσματική χρήση μη επισημασμένων δεδομένων και βελτιώνει την ικανότητα γενίκευσης του μοντέλου.