[DMQA Open Seminar] Semi-supervised Learning - MixMatch

최근 딥러닝 모델이 컴퓨터 비전 분야에서 뛰어난 결과를 달성하고 있다. 하지만 그 성능이 많은 양의 레이블 존재하는 데이터에 크게 의존한다는 단점이 존재한다. 따라서 최근 이런 문제를 해결하고자하는 다양한 연구들이 존재한다 (transfer learning, semi-supervised learning, self-supervised learning ...). 이번 세미나에서는 그 중 한 가지 방법으로 준지도학습(semi-supervised learning)이 적용된 딥러닝 모델인 MixMatch에 대해서 소개하고자 한다. MixMatch 모델은 레이블이 존재하지 않는 데이터에 consistency regularization, entropy minimization, mixup regularization을 아우르는 준지도학습 알고리즘으로 기존 알고리즘들 보다 더 나은 성능을 달성하였다. 참고문헌 : 1. Berthelot, D., Carlini, N., Goodfellow, I., Papernot, N., Oliver, A., & Raffel, C. A. (2019). Mixmatch: A holistic approach to semi-supervised learning. In Advances in Neural Information Processing Systems (pp. 5049-5059). 2. Oliver, A., Odena, A., Raffel, C. A., Cubuk, E. D., & Goodfellow, I. (2018). Realistic evaluation of deep semi-supervised learning algorithms. In Advances in neural information processing systems (pp. 3235-3246)