自然不均衡擬似ラベルからの不偏学習【JST・京大機械翻訳】

Wang Xudong; Wu Zhirong; Lian Long; Yu Stella X.

プレプリント

J-GLOBAL ID：202202216342781575 整理番号：22P0023727

自然不均衡擬似ラベルからの不偏学習【JST・京大機械翻訳】

Debiased Learning from Naturally Imbalanced Pseudo-Labels

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 (4件)： , , ,
資料名：
発行年： 2022年01月05日プレプリントサーバーでの情報更新日： 2022年04月21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)

擬似ラベルは,ラベル付きソースデータで訓練された分類器によるラベルなしターゲットデータに関する信頼できる予測である。それらは,例えば,半教師つき学習設定において,ラベルなしデータ,例えば,モデルに適応するために広く使われている。著者らの重要な洞察は,擬似ラベルが,平衡ソースデータで訓練され,バランスしたターゲットデータで評価された場合でも,固有データ類似性により自然に不均衡であることである。グランドトルース訓練ラベルの代わりに擬似ラベルから生じるこの以前に未知の不均衡分類問題を扱うならば,擬似ラベルによって生成された偽の重大性に対するモデルバイアスを除去することができた。著者らは,偽ラベルによる新規で効果的な非バイアス学習法を提案し,前者は分類器応答バイアスを除去するが,後者は擬似ラベルの不均衡に従って各クラスのマージンを調整する。広範な実験で検証されて,著者らの単純なデバイアス学習は,画像Net-1Kで最先端の技術,0.2%の注釈による半教師つき学習のための26%,およびゼロショット学習のための9%に,顕著な精度利得を提供する。このコードはhttps://github.com/frank xwang/debiased pseudo labelingで利用可能である。【JST・京大機械翻訳】

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

人工知能

, , ,

前のページに戻る