#39
summarized by : Kensho Hara
NLNL: Negative Learning for Noisy Labels

どんな論文か?

「これは犬です」という正例のラベルを与えるPositive Learningに対し,「これは鳥ではない」という負例のラベルを与えるNegative Learningを提案.正例ラベルだとそのものずばりで正しくないとだめだけど,負例ラベルだったら割と適当でも間違っている可能性は低いので,ラベルノイズが多い場合に有効と主張.
placeholder

新規性

1. ラベルノイズの多いデータでうまく学習するためのNegative Learningという方法の提案.2. Positive LearningとNegative Learningを組み合わせるSelNLPLという枠組みの提案.

結果

Negative Learning (NL) -> 確信度が1/c以上のデータだけでNL (SelNL) -> 確信度が1/γ以上のデータだけでPositive Learningとするとラベルノイズに頑健な学習が可能.

その他(なぜ通ったか?等)

面白いアイディアの論文.やってることはシンプル.