文献

J-GLOBAL ID：202002287004530900   整理番号：20A2768304

雑音のあるラベルによる深層学習の調査:注釈に信頼できない場合にモデルを訓練する方法【JST・京大機械翻訳】

A Survey on Deep Learning with Noisy Labels: How to train your model when you cannot trust on the annotations?

著者 (2件)： Cordeiro Filipe R. (Federal Rural University,Department of Computing,Pernambuco,Brazil) ,  Carneiro Gustavo (Australian Institute for Machine Learning, University,School of Computer Science,Adelaide,Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： SIBGRAPI  ページ： 9-16  発行年： 2020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： ノイスラベルは,インターネットから自動的に収集されたデータセット,非専門家の注釈者によって誤表示される,または医学分野のような困難なタスクにおける専門家でさえ,一般的に存在している。深層学習モデルは,異なるドメインで著しい改善を示したが,オープンな問題は,訓練中の雑音のあるラベルを記憶する能力であり,それらの一般化能力を低下させる。深層学習モデルは正しくラベル付けされたデータセットに依存し,ラベルの正当性は保証するのが難しいので,深層学習訓練のための雑音のあるラベルの存在を考慮することは極めて重要である。ノイズのあるラベルの存在における深層学習モデルの訓練を改善するために,いくつかのアプローチが文献で提案されている。本論文では,文献における主な技術に関する調査を示し,ここでは,ロバスト損失,サンプル重み付け,サンプル選択,メタ学習,および複合アプローチの次のグループにおけるアルゴリズムを分類する。また,一般に使用される実験装置,データセット,および最先端のモデルの結果を提示した。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： アルゴリズム ,  *雑音 ,  重みづけ ,  ロバスト性 ,  インターネット ,  *アノテーション
準シソーラス用語： メタ学習 ,  *深層学習 , 【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 (8件)： 雑音 ,  ラベル ,  深層学習 ,  調査 ,  注釈 ,  信頼 ,  モデル ,  訓練