Uploads from ‍김성범[ 교수 / 산업경영공학부 ]

Currently Playing: [Open DMQA Seminar] Label Noise Learning with In and Out Of Distribution Noise

일반적인 지도학습은 학습 데이터의 레이블이 모두 정확함을 가정하지만 실제 상황에서는 일부 데이터의 레이블이 정확하지 않은 경우가 존재한다. 뿐만 아니라, 데이터 수집 과정에서 수집하고자 하는 데이터와 분포가 다른 out-of-distribution(OOD) 데이터가 섞여서 수집될 수 있고 이는 모델 학습에 큰 악영향을 야기한다. 따라서 기존 label noise learning 연구 갈래에서 이러한 OOD 데이터까지 함께 다룰 수 있는 연구들이 진행되고 있다. 본 세미나에서는 in-distribution(ID) noise와 OOD까지 함께 다루는 연구들에 대해서 소개하고자 한다. 참고자료: [1] Li, J., Xiong, C., & Hoi, S. C. (2021). Learning from noisy data with robust representation learning. In Proceedings of the IEEE/CVF international conference on computer vision (pp. 9485-9494). [2] Albert, P., Ortego, D., Arazo, E., O'Connor, N. E., & McGuinness, K. (2022). Addressing out-of-distribution label noise in webly-labelled data. In Proceedings of the IEEE/CVF winter conference on applications of computer vision (pp. 392-401). [3] Albert, P., Arazo, E., O’Connor, N. E., & McGuinness, K. (2022, October). Embedding contrastive unsupervised features to cluster in-and out-of-distribution noise in corrupted image datasets. In European conference on computer vision (pp. 402-419). Cham: Springer Nature Switzerland.