| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-17 13:15 ノイズラベル分類タスクにおけるモデルの信頼性向上手法の検討 ～ 学習可能な注意一貫性消去手法の提案 ～ ○呉 強・浜田宏一（帝京大）  IMQ2025-87 IE2025-164 MVE2025-94 |
|
| 抄録 | （和） | 本研究では，注意一貫性の消去（Erasing Attention Consistency）に基づく特徴学習手法を再検討し，ノイズラベル分類タスクにおけるモデルの信頼性を向上させるため，学習可能な注意一貫性消去手法を提案する．モデルがノイズサンプルを記憶する際，ノイズラベルに関連する部分特徴に注目する傾向があることから，正しいラベルに関連する特徴を消去した場合でも，モデルは消去後の画像から有効な特徴を学習できることを確認した．この知見に基づき，我々はアテンションマップに基づいて消去位置を動的に学習する新しい手法LAE（Learnable Attention Erasing）を提案する．LAEは，学習過程においてノイズサンプルを自動的に抑制することを目的とする．具体的には，消去生成器を構築し，ノイズラベルに関連する注意領域を選択的に抑制するとともに，注意一貫性を利用してモデルが部分的特徴に過度に依存することを防ぐ．実験結果から，CIFAR-100およびAnimal-10Nデータセットにおいて，LAEは従来の注意一貫性の消去手法を上回る性能を示した． |
| （英） | In this study, we revisit feature learning methods based on Erasing Attention Consistency and propose a learnable attention erasing technique to enhance model reliability in noisy label classification tasks. We observe that when models memorize noisy samples, they tend to focus on partial features associated with the noisy labels. Even when features related to the correct labels are erased, the model can still learn effective representations from the altered images. Building on this insight, we propose a novel method called Learnable Attention Erasing (LAE), which dynamically learns erasure regions based on attention maps. LAE aims to automatically suppress noisy samples during training. Specifically, we construct an erasure generator to selectively suppress attention regions associated with noisy labels, while utilizing attention consistency to prevent the model from over-relying on partial features. Experimental results demonstrate that LAE outperforms conventional attention consistency erasing methods on the CIFAR-100 and Animal-10N datasets. | |
| キーワード | （和） | 深層学習 / 画像認識 / ノイズラベル / 注意一貫性 / 注意一貫性の消去 / / / |
| （英） | Deep Learning / Image Recognition / Noisy Label / Attention Consistency / Erasing Attention Consistency / / / | |
| 文献情報 | 信学技報, vol. 125, no. 408, IMQ2025-87, pp. 376-380, 2026年3月. | |
| 資料番号 | IMQ2025-87 | |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2025-87 IE2025-164 MVE2025-94 |
|
| 研究会情報 | |
| 研究会 | CQ MVE IMQ IE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa-Sangyoushien-Center |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IMQ |
| 会議コード | 2026-03-CQ-MVE-IMQ-IE |
| 本文の言語 | 日本語 |
| タイトル（和） | ノイズラベル分類タスクにおけるモデルの信頼性向上手法の検討 |
| サブタイトル（和） | 学習可能な注意一貫性消去手法の提案 |
| タイトル（英） | Study on Methods for Improving Model Reliability in Noisy Label Classification |
| サブタイトル（英） | Proposal of a Learnable Attention Erasing Method |
| キーワード(1)（和/英） | 深層学習 / Deep Learning |
| キーワード(2)（和/英） | 画像認識 / Image Recognition |
| キーワード(3)（和/英） | ノイズラベル / Noisy Label |
| キーワード(4)（和/英） | 注意一貫性 / Attention Consistency |
| キーワード(5)（和/英） | 注意一貫性の消去 / Erasing Attention Consistency |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 呉 強 / Qiang Wu / ゴ キョウ |
| 第1著者 所属（和/英） | 帝京大学 (略称： 帝京大) Teikyo University (略称： Teikyo Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 浜田 宏一 / Koichi Hamada / ハマダ コイチ |
| 第2著者 所属（和/英） | 帝京大学 (略称： 帝京大) Teikyo University (略称： Teikyo Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-17 13:15:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IMQ |
| 資料番号 | IMQ2025-87, IE2025-164, MVE2025-94 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.408(IMQ), no.410(IE), no.411(MVE) |
| ページ範囲 | pp.376-380 |
| ページ数 | 5 |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]