label quality | BriefGPT - AI 论文速递

关键词label quality

搜索结果 - 11

质量监控器：估计医学分割数据集中的标签质量和错误
通过使用回归模型 Quality Sentinel，可以估计医学分割数据集中标签的质量，并发现关于标签质量的有用信息，以及纠正标签错误并提高人工智能训练效率的方法。
PDF2 months ago
CVPR歧义标注：何时不是行人？
通过排除高度模棱两可的数据，在自动驾驶数据集的标注中探究标注的模糊性，可以提高最先进行人检测器的模型性能，从而节省训练时间和标注成本，并确保训练数据的代表性。
PDF2 months ago
FedFixer：减轻联邦学习中的异构标签噪声
Federated Learning heavily relies on label quality, but noisy and heterogeneous label distribution poses challenges; Fed
PDF4 months ago
简单、复杂和多对象标注任务的聚合注解通用模型
人工标注复杂度及聚合模型对于标签质量及半监督学习的影响。
PDF7 months ago
大型语言模型能准确预测搜索者偏好
通过获取真实用户的仔细反馈来改进相关性标签的质量，并提出一种基于大型语言模型的标签生成方法，从而获得具有和人工标记员相似的准确性和能力的高质量标签，为搜索系统的评估和优化提供了有效途径。
PDF10 months ago
ICMLObjectLab: 目标检测数据中误标记图像的自动诊断
我们提出了 ObjectLab 算法，用于检测目标检测标签中的各种错误，包括：漏掉的边界框、位置错误的边界框和错误的类别标签分配。ObjectLab 利用任何经过训练的目标检测模型对每个图像的标签质量进行评分，从而可以自动优先考虑进行标签的
PDFa year ago
ICML通过任意模型评估语义分割数据的标签质量和误差
研究了用于自动检测语义分割数据集中标注错误的算法，其中应用了 7 种不同的质量评分方法，最有效的方法是使用准确率和召回率的模型预测概率的软最小值来识别标注错误的图像。
PDFa year ago
深入研究清晰度：引导标签完善用于清晰边缘检测
本文提出了一种基于 Canny-guided refinement 的边缘检测方法，通过精细化的人工标注边缘并寻找最能与人工标注边缘吻合的子集 Canny 边缘来训练模型，从而使得现有的边缘检测模型能够获得更高的精确度。实验证明，使用经过
PDFa year ago
ICML数量与质量：探究样本量与标签可靠性之间的权衡
研究在概率领域学习中标签质量的优化问题，提出了在有限训练预算下，是否应优先使用重采样策略提高训练数据的标签质量还是扩大数据集；并证明在人工标注的过程中这一策略可以取得更好的分类器性能，在此基础上提出了两种不同的验证方案。
PDF2 years ago
自信学习：估计数据集标签的不确定性
本研究提出了一种基于标签质量而非模型预测的学习方法 ——Confident Learning（CL），通过对数据进行剪枝、使用概率阈值计数来估算噪声，并对样本进行排序，以提高其置信度。我们基于假设类条件噪声过程直接估算了噪声标签和无污染标签
PDF5 years ago
控制性弱监督训练神经网络：避免重复导师的错误
该研究提出了一种半监督学习方法，利用一个 “目标网络” 和一个 “置信网络” 进行多任务训练，在大量弱注释未标注数据上优化目标网络，同时用置信网络的分数来加权目标网络的梯度更新，以避免噪声标签对目标网络模型的质量造成损害，并在评估中证明其相
PDF7 years ago