Šta je regularizacija konzistentnosti (FixMatch)?

Konsistentnost regulacija je metoda u oblasti učenja sa delimično označenim podacima, koja pretpostavlja da model treba da daje stabilne prognoze za različite varijacije istog ulaza. U FixMatch, ovaj princip se implementira korišćenjem slabih i jakih augmentacija podataka: model generiše pseudo-etikete na slaboj augmentaciji, a zatim se trenira na jaku augmentaciju, s ciljem da prognoze budu usklađene.

Primer: za sliku, prvo se primenjuje lagana augmentacija (npr. mala promena osvetljenja), model predviđa klasu, i ako je sigurnost dovoljno visoka, ovo predviđanje se koristi kao pseudo-etiketa. Zatim, na istu sliku se primenjuje jaka augmentacija (npr. slučajno sečenje, rotacija), i model se trenira tako da predviđanje na jaku augmentaciju bude usklađeno sa pseudo-etiketom.

Ovo pomaže efikasnom korišćenju neoznačenih podataka i poboljšava sposobnost modela za generalizaciju.