抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ラベルなしデータの一部だけが,最も半教師つき学習法のためのモデルを訓練するために選択され,その信頼スコアは,通常,事前定義閾値(即ち,信頼限界)より高い。認識性能は,すべてのラベルなしデータを完全に用いることにより,さらに改善されるべきであると主張した。本論文では,半教師つき深い顔表情認識のためのすべてのラベルなしデータを完全に活用するために,適応信頼区間マージン(Ada-CM)を学習した。すべての非ラベルサンプルを,各訓練時期における適応的に学習された信頼限界との信頼スコアを比較することにより,2つのサブセットに分割した。(1)信頼スコアがマージンより低いサンプルを含む部分集合I;(2)信頼スコアがマージンより低いサンプルを含むサブセットII。サブセットIのサンプルに対して,それらの予測を擬似ラベルと整合させる。一方,部分集合IIの標本は,効果的な顔表情特徴を学習するために,特徴レベルコントラスト目的に参加する。著者らは,4つの挑戦的なデータセット上でAda-CMを広範囲に評価し,この方法が最先端の性能を達成し,特に,半教師つき方法で十分に監督されたベースラインを凌駕することを示した。アブレーション研究は,さらに著者らの方法の有効性を証明した。ソースコードはhttps://github.com/hangyu94/Ada CMで利用可能である。【JST・京大機械翻訳】