BriefGPT - AI 论文速递
·
简化的平均与稳健的基于嘈杂部分标签的识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文章提出了对手感知部分标签学习方法，通过引入对手标签提高预测标签可靠性。作者还提出了ATM算法实现分类器和风险函数一致性。实验结果显示该方法在CIFAR10、CIFAR100和CUB200数据集上鲁棒性高。
🎯
关键要点
- 提出了对手感知部分标签学习方法，通过引入对手标签提高预测标签可靠性。
- 对手标签被引入候选标签集合，分解PLL的预测分布以降低不确定性。
- 提出了ATM算法以实现分类器和风险函数的一致性。
- 在CIFAR10、CIFAR100和CUB200数据集上进行了广泛实验，结果表明方法具有高度鲁棒性。
🏷️
标签
➡️
