文献

J-GLOBAL ID：202002266145820460   整理番号：20A0832975

雑音ラベルからの深層自己学習【JST・京大機械翻訳】

Deep Self-Learning From Noisy Labels

著者 (3件)： Han Jiangfan (The Chinese University of Hong Kong) ,  Luo Ping (The Chinese University of Hong Kong) ,  Wang Xiaogang (Chinese University of Hong Kong. Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICCV  ページ： 5137-5146  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ConvNetは,クリーンデータから訓練するとき,良好な結果を達成するが,雑音ラベルからの学習は,性能を著しく低下させ,挑戦的なままである。多くの条件によって制約された以前の研究と異なり,それらを現実の雑音のある事例に実行することができないように,本研究は,余分な監視なしで,実際の雑音のあるデータセット上でロバストなネットワークを訓練するための新しい深い自己学習フレームワークを提示した。提案したアプローチはいくつかの魅力的な利点を有している。(1)ほとんどの既存の研究と異なり,それはノイズのあるラベルの分布に関するいかなる仮定にも依存せず,それを実際のノイズに対してロバストにする。(2)訓練を支援するためには,余分なクリーンな監視や補助ネットワークを必要としない。(3)自己学習フレームワークを提案し,反復エンドツーエンド方式でネットワークを訓練する。それは効果的で効率的である。Clothing1MおよびFood101-Nのような挑戦的ベンチマークにおける広範な実験は,著者らのアプローチがすべての経験的設定においてその対応物より優れていることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ネットワーク ,  ロバスト性 ,  深層 ,  ベンチマーク ,  *雑音 ,  エンドツーエンド方式
準シソーラス用語： *自己学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 雑音 ,  ラベル ,  深層 ,  自己学習