- …
- …
#104
summarized by : Akihiro FUJII
どんな論文か？
ラベルは多くのFalse Negativeを含んでしまうため、負例を考慮しないPositive Label設定(負例に対して陽にBack Propしない設定）において、データに写っている物体数を考慮させるROLEを提案。1/20のラベル数で完全ラベルありと同じ精度が出る。
新規性
正例しか用いないPositive Only Settingでは、全てのラベルを1と予測する解があるため、画像に映る物体数を正則化項として加える方法があり(EPR)、ROLEでは画像に映る物体数を予測するネットワークと分類器を同時更新する手法を提案した。
結果
物体検知用のデータセットであるCOCOなどを、複数ラベル分類問題として解いた。1/20のラベル数で完全ラベルありと同じ精度が出ることを確認。
その他（なぜ通ったか？等）
画像に対するラベリングは、写っているものが複数あったり、専門知識がないと正しくできず、複数の正しいラベルをつけるのは非常にコストがかかる。現実の分類問題において、かなり良い問題設定なのではないかと思った。
- …
- …