Kas yra nuoseklumo reguliavimas (FixMatch)?

Nuoseklumo reguliavimas yra metodas, taikomas dalinai pažymėtų duomenų mokyme, kuris numato, kad modelis turi pateikti stabilius prognozes skirtingoms to paties įvesties variacijoms. FixMatch ši principas įgyvendinamas naudojant silpnus ir stiprius duomenų padidinimus: modelis generuoja pseudo-žymenis silpno padidinimo metu ir vėliau mokosi stipriame padidinime, siekiant, kad prognozės sutaptų.

Pavyzdys: paveikslėliui pirmiausia taikomas lengvas padidinimas (pavyzdžiui, šviesumo šiek tiek pakeitimas), modelis prognozuoja klasę, ir jei pasitikėjimas yra pakankamai aukštas, ši prognozė naudojama kaip pseudo-žymuo. Tada tas pats paveikslėlis patiria stiprų padidinimą (pavyzdžiui, atsitiktinį kirpimą, pasukimą), ir modelis mokosi taip, kad stipraus padidinimo prognozė atitiktų pseudo-žymą.

Tai padeda efektyviai naudoti nepaženklintus duomenis ir gerina modelio bendrąją gebėjimą.