负采样在弱标签学习中的重要性
机器学习
2023-09-26 v1 声音
音频与语音处理
摘要
弱标签学习是一项具有挑战性的任务，需要从包含正例和负例的“包”中进行学习，但仅知道包标签。负例池通常大于正例，因此选择信息量最大的负例对性能至关重要。这种从每个包中选择负例实例的策略是弱标签学习中一个尚未被充分研究的开放问题。在本文中，我们研究了几种能够衡量负例对弱标签学习有用性并据此进行选择的采样策略。我们在 CIFAR-10 和 AudioSet 数据集上测试了我们的方法，结果表明与随机采样方法相比，它提升了弱标签分类性能并降低了计算成本。我们的工作揭示负例并非全部同等不相关，明智地选择它们有益于弱标签学习。
引用
@article{arxiv.2309.13227,
title = {Importance of negative sampling in weak label learning},
author = {Ankit Shah and Fuyu Tang and Zelin Ye and Rita Singh and Bhiksha Raj},
journal= {arXiv preprint arXiv:2309.13227},
year = {2023}
}