본 연구는 딥러닝 모델이 노이즈 레이블 데이터에 취약한 문제를 해결하기 위해 새로운 그래픽 모델 기반 접근법을 제안한다. 기존 연구들은 임의의 기준과 사전 정의된 커리큘럼을 사용하여 깨끗한 샘플과 노이즈 샘플을 구분하는 방식을 사용했지만, 이는 실제 데이터의 노이즈 비율을 고려하지 않는다는 한계가 있었다.
본 연구에서는 데이터의 노이즈 비율을 추정하고, 이를 활용하여 기존 최신 노이즈 레이블 학습 방법의 성능을 향상시키는 새로운 접근법을 제안한다. 제안된 그래픽 모델은 관찰된 노이즈 레이블과 잠재적인 깨끗한 레이블 간의 관계를 모델링하여 노이즈 비율을 추정한다. 이렇게 추정된 노이즈 비율은 샘플 선택 과정에 활용되어 기존 최신 노이즈 레이블 학습 방법의 성능을 향상시킨다.
실험 결과, 제안된 접근법은 합성 및 실세계 벤치마크에서 대부분의 경우 정확도를 향상시키는 것으로 나타났다. 이는 데이터의 실제 노이즈 비율을 고려하는 것이 노이즈 레이블 학습에 중요한 요소임을 보여준다.
Til et annet språk
fra kildeinnhold
arxiv.org
Viktige innsikter hentet fra
by Arpit Garg,C... klokken arxiv.org 05-01-2024
https://arxiv.org/pdf/2305.19486.pdfDypere Spørsmål