일반적으로 딥러닝을 시작할 때, 데이터와 그에 대한 label로 학습하는 Supervised Learning을 먼저 접하게 됩니다. Supervised Learning 내의 Classification 분야같은 경우 이미지 내 물체의 종류에 대해서만 labeling 작업을 해주면 되지만, Detection이나 Segmentation에 경우 이미지 내의 물체의 종류와 해당하는 위치를 박스 또는 픽셀 단위 형태로 labeling 해주어야하기 때문에 시간적인 부분에서 꽤나 많은 비용이 들곤 합니다. 이에 따라 label 없이 혹은 적은 label을 이용해 학습하는 Semi-supervised Learning(SSL)이 빠르게 발전하고 있지만, 모델의 복잡도 또한 올라가고 있습니다. 이러한 경향 속에서 본 논문은 Consistency Regularization과 Pseudo-Labeling, 이 두가지 방식을 SSL에 적용하여 복잡도를 간소화한 FixMatch 방법론을 제안합니다.
