[NeurIPS 2020] FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence

2. Experiment

Table 1. Error rates for CIFAR-10, CIFAR-100, SVHN and STL-10 on 5 different folds

Table 1은 각각 CIFAR-10, CIFAR-100, SVHN, STL-10 데이터 셋에 대한 성능 표 입니다. RA는 strong augmentation으로 RandAugment 방법론을 사용했음을 의미하며, CTA는 CTAugment 방법론을 사용했음을 의미합니다. 대부분 다른 SSL 방법론들과 비교했을 때 SOTA의 성능을 보이나 ReMixMatch의 성능이 더 높은 경우도 있는 것으로 보아 두 방법론이 비슷한 성능을 보인다고 할 수 있습니다. 그러나 비슷한 성능이라도 FixMatch의 경우 좀 더 단순화되어 설계되었다는 것이 메리트로 작용합니다. 그 이외의 ablation study의 경우 본 논문 외에 appendix로 참고된 부분의 분량이 많아 궁금하신 분들은 논문을 참조해주시길 바랍니다.

Author: 조 원

답글 남기기

이메일 주소는 공개되지 않습니다. 필수 항목은 *(으)로 표시합니다