推导分辨率与人类分类错误之间的定量关系
机器学习
2019-08-27 v1 机器学习
摘要
对于机器学习感知问题，人类水平的分类性能被用作顶级算法性能的估计。因此，尽可能精确地理解影响人类水平性能的因素十分重要。了解这一点 1) 为模型性能提供基准，2) 告知项目经理应获取何种类型的数据给人类标注者以获得准确标签，3) 使主要由人类进行的真值分析得以顺利执行。在本实证研究中，我们利用降采样至各种分辨率的 MNIST 数据集探索了分辨率与人类分类性能之间的关系。我们推导出的定量启发式方法可有助于预测机器模型性能、预测数据存储需求，并在机器学习项目部署中节省宝贵资源。它也有潜力用于遥感、医学成像、科学成像与天文学等广泛领域。
引用
@article{arxiv.1908.09183,
title = {Deriving a Quantitative Relationship Between Resolution and Human Classification Error},
author = {Josiah I. Clark and Caroline A. Clark},
journal= {arXiv preprint arXiv:1908.09183},
year = {2019}
}