面向部分正标签多标签图像识别的类别自适应标签发现与噪声拒绝
计算机视觉与模式识别
2022-11-16 v1
摘要
作为降低标注成本的一种有前景的方案，使用部分正标签训练多标签模型（MLR-PPL，其中仅少量正标签已知而其他缺失）正受到越来越多的关注。由于没有任何负标签，先前工作将未知标签视为负标签并采用传统 MLR 算法。为拒绝噪声标签，近期工作将大损失样本视为噪声，却忽略了不同多标签图像间的语义关联。本工作中，我们提出利用不同图像间的语义关联来促进 MLR-PPL 任务。具体而言，我们设计了一个统一框架——类别自适应标签发现与噪声拒绝，以自适应方式为每个类别发现未知标签并拒绝噪声标签。该框架由两个互补模块组成：（1）类别自适应标签发现模块先度量正样本间语义相似度，再补全具有高相似度的未知标签；（2）类别自适应噪声拒绝模块先基于不同样本的语义相似度计算样本权重，再丢弃低权重噪声标签。此外，我们提出一种新颖的类别自适应阈值更新方法，可自适应调整阈值，避免耗时的手动调参过程。大量实验表明，我们提出的方法持续优于当前领先算法。
引用
@article{arxiv.2211.07846,
title = {Category-Adaptive Label Discovery and Noise Rejection for Multi-label Image Recognition with Partial Positive Labels},
author = {Tao Pu and Qianru Lao and Hefeng Wu and Tianshui Chen and Liang Lin},
journal= {arXiv preprint arXiv:2211.07846},
year = {2022}
}
备注
arXiv admin note: text overlap with arXiv:2205.13092