中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院(SIAT)的研究人員提出了一種具有指導(dǎo)性學(xué)習(xí)和噪聲監(jiān)控功能的產(chǎn)品圖像識(shí)別方法。該研究發(fā)表在《計(jì)算機(jī)視覺(jué)與圖像理解》上。

該團(tuán)隊(duì)沒(méi)有通過(guò)費(fèi)力且費(fèi)時(shí)的圖像捕獲來(lái)收集產(chǎn)品圖像，而是引入了一個(gè)稱(chēng)為Product-90的新型大規(guī)模數(shù)據(jù)集。該數(shù)據(jù)集包含超過(guò)90萬(wàn)個(gè)類(lèi)別的140K圖像，與Clothing1M(旨在在人為監(jiān)督下從嘈雜數(shù)據(jù)中學(xué)習(xí)的大規(guī)模公共數(shù)據(jù)集)相關(guān)，但包含更多類(lèi)別。圖片是從電子商務(wù)網(wǎng)站上的評(píng)論中收集的。

為了避免產(chǎn)生不相關(guān)的圖像，研究人員進(jìn)一步開(kāi)發(fā)了一種簡(jiǎn)單而有效的指導(dǎo)學(xué)習(xí)(GL)方法，用于在嘈雜的監(jiān)督下訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)(CNN)。

他們使用此建議的指導(dǎo)學(xué)習(xí)方法對(duì)Product-90和四個(gè)公共數(shù)據(jù)集(即Food101，F(xiàn)ood-101N，Cression1M和合成噪聲CIFAR-10)進(jìn)行了綜合評(píng)估。

在第一階段，他們?cè)谕暾腜roduct-90數(shù)據(jù)集(沒(méi)有干凈的測(cè)試集)上訓(xùn)練了基線CNN模型(教師模型)。在第二階段，他們通過(guò)多任務(wù)學(xué)習(xí)在大型噪聲集和小型干凈訓(xùn)練集上訓(xùn)練了目標(biāo)網(wǎng)絡(luò)(學(xué)生網(wǎng)絡(luò))。

結(jié)果表明，該建議的指導(dǎo)學(xué)習(xí)方法更有效，更簡(jiǎn)單，并且在這些數(shù)據(jù)集上取得了優(yōu)于最新方法的性能。