理解单正多标签学习中的标签偏差
机器学习
2023-05-26 v1 计算机视觉与模式识别
摘要
多标签分类的数据标注成本高昂,因为必须确认每个感兴趣类别的存在与否。近期关于单正多标签(SPML)学习的研究表明,仅使用每张图像一个正标签即可训练出有效的多标签分类器。然而,SPML 的标准基准是通过保留每个训练样本一个正标签(均匀随机选取)并丢弃其余标签,从传统多标签分类数据集派生而来。在真实场景中,正标签不太可能均匀随机选取。本文提出了研究 SPML 中标签偏差的协议,并给出了新的实证结果。
引用
@article{arxiv.2305.15584,
title = {Understanding Label Bias in Single Positive Multi-Label Learning},
author = {Julio Arroyo and Pietro Perona and Elijah Cole},
journal= {arXiv preprint arXiv:2305.15584},
year = {2023}
}
备注
ICLR 2023, Tiny Papers Track