SemiOccam은 제한된 레이블 데이터를 사용한 효율적인 준지도 학습 기반 이미지 인식 네트워크입니다. 기존 방법들의 복잡한 구조와 훈련 과정의 한계를 극복하기 위해, 특징 표현과 목표 클래스 간의 상호 정보를 최적화하는 계층적 혼합 밀도 분류 메커니즘을 구축하여 불필요한 정보를 제거하고 중요한 판별 요소를 유지합니다. 실험 결과, 세 가지 일반적인 데이터셋에서 최첨단 성능을 달성했으며, 클래스당 4개의 레이블 샘플만 사용하여 두 데이터셋에서 95% 이상의 정확도를 기록했습니다. 간단한 구조 덕분에 훈련 시간은 수 분 수준으로 단축되었습니다. 또한, 기존 연구에서 간과되었던 STL-10 데이터셋의 데이터 유출 문제를 밝히고 중복 데이터를 제거하여 신뢰할 수 있는 실험 결과를 확보하였으며, 정제된 CleanSTL-10 데이터셋을 공개했습니다.
