より良い擬似ラベルのためのエネルギーモデル:1ラプラシアングラフエネルギーによる半教師付き分類の改善【JST・京大機械翻訳】

Aviles-Rivero Angelica I.; Papadakis Nicolas; Li Ruoteng; Sellars Philip; Alsaleh Samar M; Tan Robby T; Schonlieb Carola-Bibiane

プレプリント

J-GLOBAL ID：202202206386079023 整理番号：21P0014329

より良い擬似ラベルのためのエネルギーモデル:1ラプラシアングラフエネルギーによる半教師付き分類の改善【JST・京大機械翻訳】

Energy Models for Better Pseudo-Labels: Improving Semi-Supervised Classification with the 1-Laplacian Graph Energy

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2019年06月20日プレプリントサーバーでの情報更新日： 2021年10月25日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

半教師つき分類は,ラベルを得る実世界シナリオが高価で,時間がかかり,専門家の知識を必要とするので,関心の大きな焦点である。これは,その性能が監督された手法と同等またはより良い半教師つき技術の急速な発展を動機づけた。半教師つき技術に対する現在の主要な課題は,性能改善のためのネットワーク較正と確認バイアス問題をより良く取り扱う方法である。本研究では,エネルギーモデルがそのような問題に対する効果的な代替であると主張した。この動機を念頭に置いて,CREPEモデル(1-LaplaCian gRaph Energy of Pseudo-labEls)と呼ばれる半教師つき分類のためのハイブリッドフレームワークを提案した。最初に,正規化グラフ1-ラプラシアンの非平滑l_1ノルムに基づく新しいエネルギーモデルを導入した。この汎関数は,十分に滑らかな解を強制し,ラベル付きおよびラベルなしデータ間の固有関係を強化する。第2に,提案したスキームに対する理論解析を提供し,解軌跡が非定常点に収束することを示した。第3に,著者らは擬似標識のための著者らのエネルギーモデルの接続を引き出した。このエネルギーモデルは,深いネットワークによって直接生成されたものより,より意味のある擬似ラベルを生成することを示した。自然および医用画像に対する6つのベンチマークデータセットを用いて,数値および視覚実験により,このフレームワークを広範囲に評価した。この技法は,半教師つき分類に対する最先端の結果を報告する。【JST・京大機械翻訳】

, , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能 , 図形・画像処理一般

, , ,

前のページに戻る