猫とイヌを越えて:オーバークラスタリングによるファジィラベルの半教師つき分類【JST・京大機械翻訳】

Schmarje Lars; Bruenger Johannes; Santarossa Monty; Schroder Simon-Martin; Kiko Rainer; Koch Reinhard

プレプリント

J-GLOBAL ID：202202208806611128 整理番号：21P0065469

猫とイヌを越えて:オーバークラスタリングによるファジィラベルの半教師つき分類【JST・京大機械翻訳】

Beyond Cats and Dogs: Semi-supervised Classification of fuzzy labels with overclustering

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 (6件)： , , , , ,
資料名：
発行年： 2020年12月03日プレプリントサーバーでの情報更新日： 2021年10月19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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層学習による長年の問題は,大規模で一貫したラベル付きデータセットの必要性である。半教師つき学習における現在の研究は,注釈付きデータの必要な量を10倍またはそれ以上に減少させることができるが,この研究ラインはネコやイヌのような異なるクラスをまだ使用する。しかし,実世界では,異なる専門家が異なる意見を持ち,ファジィラベルを生成する問題に直面している。そのようなファジィラベルの半教師つき分類を扱うための新しいフレームワークを提案した。このフレームワークは,これらのファジィラベルにおけるサブ構造を検出する上でのクラスタリングのアイデアに基づいている。このフレームワークのクラスタリング能力を改善する新しい損失を提案し,一般的な画像分類データセットSTL-10において,それはより高速であり,以前の研究よりもクラスタリング性能が良いことを示した。実世界プランクトンデータセット上で,ファジィラベルに対するクラスタリングの利益を例証し,以前の最先端の半教師つき手法のビートを示した。さらに,下部構造の5から10%のより一貫した予測を得た。【JST・京大機械翻訳】

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

人工知能

, , , , ,

前のページに戻る