SemiOccamは、限られたラベルデータを使用した効率的な準地図学習ベースの画像認識ネットワークです。既存の方法の複雑な構造と訓練プロセスの限界を克服するために、特徴表現と目標クラスとの間の相互情報を最適化する階層的混合密度分類メカニズムを構築し、不要な情報を排除し、重要な判別要素を維持します。実験の結果、3つの一般的なデータセットで最先端のパフォーマンスを達成し、クラスごとに4つのラベルサンプルのみを使用して、2つのデータセットで95％以上の精度を記録しました。簡単な構造のおかげで、トレーニング時間は数分のレベルに短縮されました。また、既存の研究で見落とされたSTL-10データセットのデータ漏洩問題を明らかにし、重複データを除去して信頼できる実験結果を確保し、精製されたCleanSTL-10データセットを公開しました。
