- …
- …
#421
summarized by : 金城 忍
どんな論文か？
CNNにおいてPositive、Negative学習の損失関数を同時に最適化する一方で、ノイズを含むラベルとそうではないラベル、それぞれの生起確率に基づいて重み付けすることで、一度のプロセスで、両者のラベル空間 (分布) を分離する手法
新規性
Positive、Negative学習の両方の損失を同時に最適化することで、ノイズを含む学習データと、そうではないものとの分離を、一度のプロセスで実施するという点で新規
結果
対称・非対称なを加えたCIFAR-{10,100}及びClothing1Mを使用して、それぞれResNet34、ResNet50をImageNetで事前学習したモデルでの評価で、提案手法はノイズの比率が大きい場合に比較的、既存手法より良い結果を達成し、APの比較ではノイズの種類と割合に対しての頑健性を示した
その他（なぜ通ったか？等）
- …
- …