[2Win5] ポスターセッション2

[2Win5-01] 適応的なリラベルの打ち切りによるラベルノイズへの頑健性向上

〇上松 和樹¹、中川 英之¹、瀧本 崇博¹ (1.株式会社東芝)

キーワード：ラベルノイズ

教師あり学習は様々な領域に応用されている。しかしながら、高度な専門性を要する教示が大量に必要な場合、人間の教示ミスは不可避である。このような教示ミスに由来するラベルノイズの下では、標準的な教師あり学習はノイズへの過適合によりモデルの汎化性を損なう。本研究ではラベルノイズに頑健な学習を行うために、ラベルノイズ下における深層学習モデルの教師あり学習過程を観察し、どのようにノイジーラベルを修正（リラベル）すべきかを調べた。その結果、ある程度高い学習率において適切な回数のリラベルを行うことが重要と判明した。これらを加味した学習およびリラベル過程を経ることで、強いラベルノイズに対しても分類精度の汎化性を保てることを実証した。