On Label Noise in Image Classification
An Aleatoric Uncertainty Perspective
Tid: Må 2024-06-03 kl 09.00
Plats: F3 (Flodis), Lindstedsvägen 26 & 28
Videolänk: https://kth-se.zoom.us/w/61097277235
Språk: Engelska
Ämnesområde: Datalogi
Respondent: Erik Englesson , Robotik, perception och lärande, RPL
Opponent: Professor Gustavo Carneiro, University of Surrey
Handledare: Associate Professor Hossein Azizpour, Robotik, perception och lärande, RPL; Associate Professor Morteza Haghir Chehreghani, Chalmers University of Technology, Gothenburg, Sweden
QC 20240516
Abstract
Djupa neurala nätverk och storskaliga dataset har revolutionerat maskininlärningsområdet. Dock är dessa stora nätverk känsliga för överanpassning till felmarkerade etiketter, vilket leder till försämrad generalisering. Som svar på detta undersöker avhandlingen noggrant problemet både från en empirisk och teoretisk synvinkel. Vi analyserar empiriskt nätverkens känslighet försmå ändringar i indatan när de över anpassar till felmarkerade etiketter, och vi utforskar teoretiskt kopplingen till aleatorisk osäkerhet. Dessa analyser förbättrar vår förståelse av problemet och har lett till våra nya metoder med syfte att vara robusta mot felmarkerade etiketter i klassificering.