consistency-learning

원본 이미지와 변환된 이미지에 대해 모델 출력의 일관성을 강제하는 학습 기법으로, 한 입력의 여러 증강 버전에서 예측이 서로 정렬되도록 손실을 추가한다. 이 글에서는 teacher-student 형태로 원본은 정지된 교사로 처리하고 변환된 입력은 학생으로 학습시켜 분류와 박스 좌표의 차이를 최소화하는 방식으로 적용되었다. 변환에 대한 일반화력을 높이는 목적이지만 과도한 일관성 손실은 노이즈로 작용할 수 있다.