文献

J-GLOBAL ID：202202277128088761   整理番号：22A0878323

ロバストな損失関数を持つ雑音のある補完的ラベルからの学習

Learning from Noisy Complementary Labels with Robust Loss Functions

著者 (5件)： ISHIGURO Hiroki (University of Tokyo) ,  ISHIDA Takashi (University of Tokyo) ,  ISHIDA Takashi (RIKEN) ,  SUGIYAMA Masashi (University of Tokyo) ,  SUGIYAMA Masashi (RIKEN)
資料名： IEICE Transactions on Information and Systems (Web)  (IEICE Transactions on Information and Systems (Web))
巻： E105.D  号： 2  ページ： 364-376(J-STAGE)  発行年： 2022年 
JST資料番号： U0469A  ISSN： 1745-1361  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 大規模ラベル付きデータセットが機械学習の成功を促進することを実証した。しかし,ラベル付けされたデータを収集することは,しばしば非常に高価であり,実際には誤りを起こしやすい。この問題に対処するために,以前の研究は補完的ラベルの使用を考慮しており,これは通常のラベルよりも容易に収集されるが実例の無いクラスを指定する。しかし,補完的ラベルは誤りを起こしやすく,従って,ラベルノイズの影響を緩和することは,補完的ラベル学習を有用にする重要な課題である。本論文では,学習アルゴリズムが補完的ラベルにおける雑音によって影響されないような損失関数に対する条件を導いた。ノイズのある補完的ラベルによるベンチマークデータセットに関する実験は,著者らの条件を満足する損失関数が分類性能を著しく改善することを証明した。(翻訳著者抄録)

シソーラス用語： *ロバスト性 ,  損失関数 ,  *雑音 ,  機械学習 ,  ベンチマーク ,  診断プログラム ,  *ラベル付け【画像】 ,  画像処理
準シソーラス用語： *ロバスト ,  *画像雑音

著者キーワード (4件)： 相補的ラベル ,  ラベル雑音 ,  ロバストな損失関数 ,  損失補正

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (36件)：

• [1] A. Krizhevsky, I. Sutskever, and G.E. Hinton, “ImageNet classification with deep convolutional neural networks,” Advances in Neural Information Processing Systems, pp.1097-1105, Curran Associates, Inc., 2012.
• [2] J. Howe, Crowdsourcing: Why the Power of the Crowd Is Driving the Future of Business, 1 ed., Crown Publishing Group, USA, 2008.
• [3] T. Ishida, G. Niu, W. Hu, and M. Sugiyama, “Learning from complementary labels,” Advances in Neural Information Processing Systems, pp.5639-5649, Curran Associates, Inc., 2017.
• [4] X. Yu, T. Liu, M. Gong, and D. Tao, “Learning with biased complementary labels,” Proc. European Conference on Computer Vision, 2018. 10.1007/978-3-030-01246-5_5
• [5] T. Ishida, G. Niu, A. Menon, and M. Sugiyama, “Complementary-label learning for arbitrary losses and models,” Proc. 36th International Conference on Machine Learning, pp.2971-2980, PMLR, 2019.

タイトルに関連する用語 (5件)： ロバスト ,  損失関数 ,  雑音 ,  ラベル ,  学習