변형 Pseudo labeling 방식을 활용한 준지도 학습 개선 연구

국문 초록 (Abstract)

본 논문에서는 준지도 학습방식 중 하나인 Pseudo labeling 방식을 활용하여, 학습 정확도를 개선하기 위하여 사람이 손으로 라벨링 한 것과 유사한 성능을 발휘하기 위해 변형 Pseudo labeling 데이터 생성 방식을 제안한다. 기존에 Pseudo labeling 방식은 단순히 정답라벨(Labeled)을 학습하여 라벨이 없는 데이터(Unlabeled data)를 예측한 값을 도출하였다면, 변형 Pseudo labeling 방식은 정답라벨과 라벨이 없는 데이터를 동시에 F-guess를 수행하고, 재 예측한 결과를 활용하여 중복적 라벨링 방식으로 손실을 줄이는 방법을 제안한다. 그 결과 사람이 손으로 라벨링한 정답라벨과 비교하여 mAP@0.5에서 4.26%, mIOU는 8.9% 정도의 개선된 결과를 얻었다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a modified pseudo-labeling data generation method to improve the learning accuracy by using the pseudo-labeling method, which is one of the semi-supervised learning methods, to achieve similar performance to that of human labeling. In the past, the pseudo labeling method simply learned the correct answer label to derive the predicted value of the unlabeled data, whereas the modified pseudo labeling method uses the result of re-predicting the correct label and the unlabeled data through F-guess at the same time to reduce repetitive labeling loss. A reduction method was proposed. As a result, compared with the human-labeled correct answer label, mAP@0.5 improved by 4.26% and mIOU by 8.9%.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 관련 이론
• Ⅲ. 제안하는 방법
• Ⅳ. 실험 방법 및 결과
• Ⅴ. 결론
• 참고문헌