O que é regularização de consistência (FixMatch)?

A regularização de consistência é um método na área de aprendizagem com dados parcialmente rotulados, que pressupõe que o modelo deve fornecer previsões estáveis para diferentes variações da mesma entrada. No FixMatch, este princípio é implementado através do uso de aumentações fracas e fortes de dados: o modelo gera pseudo-rótulos na augmentação fraca e depois treina na augmentação forte, procurando que as previsões coincidam.

Exemplo: para uma imagem, primeiro aplica-se uma augmentação leve (por exemplo, uma pequena alteração no brilho), o modelo prevê a classe, e se a confiança for suficientemente alta, essa previsão é usada como pseudo-rótulo. Depois, a mesma imagem sofre uma augmentação forte (por exemplo, recorte aleatório, rotação), e o modelo treina para que a previsão na augmentação forte coincida com o pseudo-rótulo.

Isso ajuda a usar eficazmente os dados não rotulados e melhora a capacidade de generalização do modelo.