17日前

クラウドからの学習:共通する誤解のモデル化による

Zhendong Chu, Jing Ma, Hongning Wang
クラウドからの学習:共通する誤解のモデル化による
要約

クラウドソーシングは、低コストで大量のラベル付きデータを取得する実用的な手法を提供する。しかし、アノテーターのラベル付け品質は著しくばらつきがあるため、クラウドソーシングによるアノテーションから高品質なモデルを学習する上で新たな課題が生じる。本研究では、アノテーションノイズを「共通ノイズ」と「個別ノイズ」に分解する新たな視点を提示し、各インスタンスとアノテーターごとに、インスタンスの難易度とアノテーターの専門性に基づいて混乱の原因を区別する。この新たなクラウドソーシングモデルを、アノテーター間で共有される共通ノイズ適応層と、各アノテーター固有の個別ノイズ適応層の2種類を持つエンドツーエンド学習アーキテクチャにより実現する。各アノテーションにおけるノイズの原因を特定するため、インスタンスとアノテーターの両方に応じて適切な2種類のノイズ適応層を選択する補助ネットワークを用いる。合成データおよび実世界のベンチマークにおける広範な実験により、提案する共通ノイズ適応手法の有効性が実証された。

クラウドからの学習:共通する誤解のモデル化による | 最新論文 | HyperAI超神経