지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.11
- 수록면
- 1,349 - 1,360 (12page)
이용수
초록· 키워드
오류제보하기
In recent years, Convolutional Neural Networks (CNNs) have been successfully implemented in different tasks of computer vision. Since CNN models are the representatives of supervised learning algorithms, they demand large amount of data in order to train the classifiers. Thus, obtaining data with correct labels is imperative to attain the state-of-the-art performance of the CNN models. However, labelling datasets is quite tedious and expensive process, therefore real-life datasets often exhibit incorrect labels. Although the issue of poorly labelled datasets has been studied before, we have noticed that the methods are very complex and hard to reproduce. Therefore, in this research work, we propose Deep CleanNet - a considerably simple system that achieves competitive results when compared to the existing methods. We use K-means clustering algorithm for selecting data with correct labels and train the new dataset using a deep CNN model. The technique achieves competitive results in both training and validation stages. We conducted experiments using MNIST database of handwritten digits with 50% corrupted labels and achieved up to 10 and 20% increase in training and validation sets accuracy scores, respectively.
목차
ABSTRACT
1. INTRODUCTION
2. RELATED WORKS
3. THE PROPOSED METHODOLOGY
4. EXPERIMENTS AND RESULTS
5. DISCUSSION
6. CONCLUSION
REFERENCE
참고문헌 (21)
참고문헌 신청
A. Krizhevsky, I. Sutskever, and G.E. Hinton, “ImageNet Classification with Deep Convolutional Neural Networks,” Advances in Neural Information Processing Systems, Vol. 13, No. 2, pp. 1097-1105, 2012.
K. Simonyan and A. Zisserman, “Very Deep Convolutional Networks for Large-scale Image Recognition,” Proceeding of 3rd International Conference on Learning Representations, ICLR 2015-Conference Track Proceedings, pp. 132-137, 2015.
K. He, X. Zhang, S. Ren, and J. Sun, “Delving Deep into Rectifiers: Surpassing Human-level Performance on Imagenet Classification,” Proceeding of IEEE International Conference on Computer Vision, pp. 1026-1034, 2015.
J. Deng, W. Dong, R. Socher, L.J. Li, K. Li, and L. Fei-Fei, “ImageNet: A Large-scale Hierarchical Image Database,” Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp. 248-255, 2009.
C. Zhang, B. Recht, S. Bengio, M. Hardt, and O. Vinyals, “Understanding Deep Learning Requires Rethinking Generalization,” Proceeding of 5th International Conference on Learning Representations, ICLR 2017-Conference Track Proceedings, pp. 301-307, 2019.
K. Simonyan and A. Zisserman, “Very Deep Convolutional Networks for Large-scale Image Recognition,” Proceeding of 3rd International Conference on Learning Representations, ICLR 2015-Conference Track Proceedings, pp. 132-137, 2015.
K. He, X. Zhang, S. Ren, and J. Sun, “Delving Deep into Rectifiers: Surpassing Human-level Performance on Imagenet Classification,” Proceeding of IEEE International Conference on Computer Vision, pp. 1026-1034, 2015.
J. Deng, W. Dong, R. Socher, L.J. Li, K. Li, and L. Fei-Fei, “ImageNet: A Large-scale Hierarchical Image Database,” Proceeding of IEEE Conference on Computer Vision and Pattern Recognition, pp. 248-255, 2009.
C. Zhang, B. Recht, S. Bengio, M. Hardt, and O. Vinyals, “Understanding Deep Learning Requires Rethinking Generalization,” Proceeding of 5th International Conference on Learning Representations, ICLR 2017-Conference Track Proceedings, pp. 301-307, 2019.
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
이미지 라벨링 시스템(Label Now)
대한전자공학회 학술대회
2022 .11
-
Weak Label을 활용한 딥뉴럴네트워크의 성능 향상 기법
대한전자공학회 학술대회
2021 .06
-
A Robust Auto-Labeling Framework with Noisy Labels Using a Transition Matrix
대한산업공학회 추계학술대회 논문집
2024 .10
-
Deep Neural Network Self-training Based on Unsupervised Learning and Dropout
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2017 .03
-
다중 레이블 분류의 정확도 향상을 위한 스킵 연결 오토인코더 기반 레이블 임베딩 방법론
지능정보연구
2021 .09
-
다중 레이블 나이브 베이즈 분류를 위한 새로운 사후확률 추정 방법에 관한 연구
한국컴퓨터정보학회논문지
2018 .06
-
이미지 라벨링을 이용한 결함 분류
한국기계가공학회 춘추계학술대회 논문집
2020 .06
-
협업 계층을 적용한 합성곱 신경망 기반의 이미지 라벨 예측 알고리즘
멀티미디어학회논문지
2020 .06
-
Multi-Label Classification Approach to Location Prediction
한국컴퓨터정보학회논문지
2017 .10
-
라벨 노이즈 데이터 제거
제어로봇시스템학회 국내학술대회 논문집
2021 .06
-
분류 성능 최적화를 위한 레이블 군집화
대한전자공학회 학술대회
2021 .06
-
2-Link Label Based Optimal Path Algorithm
대한교통학회 학술대회지
2021 .02
-
Enhancing Dataset Quality through Human-Machine Interaction: A Study on Label Refinement in ImageNet V2
대한인간공학회 학술대회논문집
2024 .11
-
Multi-Label Classification 기법을 활용한 CNN 기반 중첩 레이더 신호 인식 기법 연구
한국통신학회 학술대회논문집
2023 .06
-
강화된 진화 탐색이 생성하는 큰 자손 기반 효과적인 다중 레이블 특징 선별
한국컴퓨터정보학회논문지
2018 .09
-
모델의 오버피팅(Overfitting) 특성을 이용한 레이블 노이즈(Label Noise) 탐지
대한전자공학회 학술대회
2020 .08
-
자가 학습 기반 의미론적 세분화에 관한 연구 동향
대한전자공학회 학술대회
2024 .06
-
Pseudo label의 불확실성을 활용한 딥뉴럴네트워크의 성능 향상 기법
대한전자공학회 학술대회
2022 .06
-
Simultaneous Kernel Learning and Label Imputation for Pattern Classification with Partially Labeled Data
INTERNATIONAL JOURNAL of FUZZY LOGIC and INTELLIGENT SYSTEMS
2017 .03
-
Calibration for Gingivitis Binary Classifier via Epoch-wise Decaying Label-Smoothing
한국정보통신학회 종합학술대회 논문집
2021 .10
이 논문의 저자 정보
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0