- …
- …
#220
summarized by : Anonymous
どんな論文か？
データセット内のすべてのラベルノイズを修正することは極めて高コストであるため，ALC(Active Label Correction)ではミスラベルの中でも特に修正するべきサンプルを選択することで，ラベル修正のコストを削減する．本書では特に，各サンプルがモデルパラメータに与える影響を基に修正するサンプルを選択する手法を提案．
新規性
既存のALC手法ではEntropyといった分類器の予測確率を利用するものや訓練時の損失を利用するものが多い中，本書ではモデルパラメータに与える影響を用いることで，最初の訓練データにノイズが含まれていた場合も機能するALC手法を提案．特に，損失の測定はエポック数でコンセプトを変更するべきであり，難易度が高い．対して提案手法は，これを動的に行うことが可能である．
結果
CIFAR10，CIFAR100，F-MNIST,Caltech-256のそれぞれで既存手法を上回る．修正に選択されたデータも，他の手法と比べミスラベルだったものが殆ど．修正枚数を増やしても提案手法は他と比べ安定してミスラベルデータを選択する．
その他（なぜ通ったか？等）
- …
- …