이 논문은 부분 레이블 학습(PLL)에서 잘못 레이블링된 샘플이 스스로 "항소"할 수 있는 새로운 프레임워크 PLCP를 제안한다. PLCP는 기존 PLL 분류기(base classifier)와 보완 분류기(partner classifier)로 구성된다. 보완 분류기는 비후보 레이블 정보를 활용하여 잘못 레이블링된 샘플을 식별하고 정정하는 데 도움을 준다. 두 분류기는 상호 감독 과정을 통해 서로의 예측을 흐리게 하여 특정 레이블에 과도하게 자신감을 갖지 않도록 한다. 실험 결과, PLCP는 다양한 PLL 방법의 식별 및 정정 능력을 크게 향상시킬 수 있음을 보여준다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문