直播预告 | ICLR 2022论文解读：基于对比消歧的偏标签学习

PaperWeekly

本期 AI Drive，我们邀请到浙江大学人工智能系博士生王皓波，为大家在线解读其发表在 ICLR 2022 的最新研究成果。本次报告的主题为「PiCO：基于对比消歧的偏标签学习」。对本期主题感兴趣的小伙伴，4 月 19 日（本周二）晚 7 点，我们准时相约 PaperWeekly 直播间。

直播信息

偏标签学习 (Partial Label Learning, PLL) 是一个经典的弱监督学习问题，它允许每个训练样本关联一个候选的标签集合，适用于许多具有标签不确定性和歧义的的现实世界数据标注场景。然而，现存的 PLL 算法与完全监督下的方法依然存在较大差距。为此，本文提出一个协同的框架解决 PLL 中的两个关键研究挑战——表征学习和标签消歧。

具体地，我们提出的 PiCO 由一个对比学习模块和一个新颖的基于类原型的标签消歧算法组成。PiCO 为来自同一类的样本生成紧密对齐的表示，同时促进标签消歧。从理论上讲，我们表明这两个组件能够互相促进，并且可以从期望最大化 (EM) 算法的角度得到严格证明。大量实验表明，PiCO 在 PLL 中显着优于当前最先进的 PLL 方法，甚至可以达到与完全监督学习相当的结果。

论文信息

论文标题：

Contrastive Label Disambiguation for Partial Label Learning

收录会议：

ICLR 2022

论文链接：

https://openreview.net/forum?id=EhYjZy6e1gJ

代码链接：

https://github.com/hbzju/pico

演讲提纲