BriefGPT - AI 论文速递
·
可以使用类先验来帮助单阳性多标签学习吗？
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
PU-MLC是一种新方法，通过丢弃训练集中的负标签来减少标签噪声的影响，并通过引入自适应重平衡因子和自适应温度系数来缓解标签分布中的不平衡和概率平滑问题。实验证明PU-MLC方法在MS-COCO和PASCAL VOC数据集上取得了显着的改进。
🎯
关键要点
-
提出了一种名为正例与未标注多标签分类（PU-MLC）的方法。
-
通过丢弃训练集中的负标签来减少标签噪声的影响。
-
引入自适应重平衡因子和自适应温度系数以缓解标签分布中的不平衡和概率平滑问题。
-
实验证明PU-MLC方法在MS-COCO和PASCAL VOC数据集上取得了显著的改进。
➡️
