Self-supervised Boosting

Self-supervised boosting은 레이블이 없는 대규모 데이터 풀을 활용하기 위해 자기 지도 학습 사전 과제(pretext task)를 부스팅 프레임워크(AdaBoost, gradient boosting 및 최신 변형 포함)에 통합합니다. 먼저 레이블이 없는 샘플에서 특징 표현(feature representation)을 학습한 다음, 의사 레이블(pseudo-labeled) 데이터에 순차적인 약한 학습기(weak learner) 앙상블을 실행함으로써, 실제 레이블이 부족한 경우에도 경쟁력 있는 정확도를 달성합니다.