YES or NOだけでアノテーション！？非常に効率的なOne-bitアノテーションの提案！

3つの要点
✔️ 半教師あり学習とOne-bitアノテーションを組み合わせる手法を提案
✔️ 画像分類タスクにおいて、半教師あり学習と同等のコストで、大幅な精度向上
✔️ 物体検出やセグメンテーションにも適用可能な柔軟な手法 

One-bit Supervision for Image Classification
written by Hengtong Hu, Lingxi Xie, Zewei Du, Richang Hong, Qi Tian
(Submitted on 14 Sep 2020 (v1), last revised 16 Sep 2020 (this version, v2))
Comments: Accepted to arXiv.
Subjects: Computer Vision and Pattern Recognition (cs.CV)
 

はじめに

年々、深層学習技術が様々な分野で応用され始めています。これほどまでに深層学習技術が使用されているのは、古典的な方法にくらべて圧倒的に良い精度であること、そして柔軟な手法であることが主な理由として挙げられます。

コロナが世界中で爆発的に広まったために、これまでのビジネスモデルは成り立たなくなり、そしてよりデジタル領域へシフトしていくものと考えられます。デジタルシフトにおいて、深層学習技術の重要性はますます増加していくでしょう。

しかし、深層学習技術はいくつかの大きな問題を抱えています。そのひとつに、学習に大量のデータが必要であること、それに付随して高いアノテーションコストが必要になるということです。大量のデータの収集にかかるコストは、多様なセンサの登場や普及により、安くなりつつあります。しかし、収集したデータにラベル付けするのは、データ数に比例するために依然として高いままです。特に、Imagenetのようにクラス数の多いデータセットでは、そのアノテーションコストは非常に高くなります。

今回紹介する論文では、One-bitアノテーションという低コストの新たなアノテーション手法を提案しています。このアノテーション手法を半教師あり学習と組み合わせることで、画像分類タスクで高精度を達成しています。

• 
• 
• 

この記事に関するカテゴリー

• 画像認識
• 機械学習
• 深層学習
• semi-supervised