Conceitos essenciais
提案されたSCARCEアプローチは、均一な分布仮定や通常のラベルトレーニングセットに依存せず、一貫性のある補完ラベル学習を実現します。
Resumo
SCARCEは、均一な分布仮定や通常のラベルトレーニングセットに依存しない初めての一貫性のある補完ラベル学習アプローチです。提案されたアプローチは、実世界のシナリオで優れたパフォーマンスを発揮しました。さらに、補完ラベル学習がOVR戦略を使用すると、負未ラベル二値分類問題のセットとして表現できることが示されました。多くの実験結果が提案手法の有効性を確認しています。
Estatísticas
SCARCEは39ケースで最高のパフォーマンスを達成しました。
GAはCIFAR-10でSCARCEを上回りました。
SCARCEはすべてのケースで最高のパフォーマンスを達成しました。