Una estrategia activa de limpieza en dos etapas para el ruido de etiquetas de cola larga

Área de la Ciencia:

• Aprendizaje automático
• Visión por computadora
• Ciencia de datos

Sus antecedentes:

• Los datos de cola larga presentan desafíos en aplicaciones del mundo real debido a clases desequilibradas y ruido de etiquetas.
• Los métodos existentes para datos de cola larga ruidosos a menudo requieren un alto esfuerzo computacional y de anotación manual.

Objetivo del estudio:

• Proponer una estrategia activa de limpieza de etiquetas en dos etapas novedosa y rentable para conjuntos de datos de cola larga con ruido de etiquetas.
• Mejorar la calidad de la representación de características e identificar y corregir eficientemente las muestras mal etiquetadas.

Principales métodos:

• Etapa 1: Aprendizaje contrastivo centrado en la clase equilibrada (BCCL) para mejorar las representaciones de características y detectar ruido de etiquetas potencial.
• Etapa 2: Aprendizaje activo basado en la incertidumbre para la re-etiquetación enfocada de muestras de alta incertidumbre.
• Proceso iterativo de re-etiquetación para refinar el rendimiento de la clasificación y optimizar los recursos de anotación.

Principales resultados:

• El método propuesto demuestra robustez en varios niveles de ruido y desequilibrio.
• Supera significativamente los métodos de vanguardia, logrando una mejora relativa del 5,17 % en CIFAR10-LT.
• Logra una precisión del 38,37 % en el conjunto de datos Red Mini-ImageNet, superando las bases existentes en escenarios de alto ruido.

Conclusiones:

• La estrategia activa de limpieza de etiquetas en dos etapas mejora eficazmente el rendimiento de la clasificación en datos ruidosos de cola larga.
• Minimiza la carga de anotación y optimiza la utilización de recursos mediante la selección eficiente de muestras para la re-etiquetación.
• Ofrece una solución superior para manejar conjuntos de datos del mundo real desafiantes con ruido de etiquetas y desequilibrio de clases.