MIXUP-BASED DEEP METRIC LEARNING APPROACHES FOR INCOMPLETE SUPERVISION

Autor(es)

Buris, Luiz H. ; Pedronette, Daniel C. G. ; Papa, Joao P. ; Almeida, Jurandy ; Carneiro, Gustavo ; Faria, Fabio A. ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: 2022 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING, ICIP; v. N/A, p. 5-pg., 2022-01-01.

Resumo

Deep learning architectures have achieved promising results in different areas (e.g., medicine, agriculture, and security). However, using those powerful techniques in many real applications becomes challenging due to the large labeled collections required during training. Several works have pursued solutions to overcome it by proposing strategies that can learn more for less, e.g., weakly and semi-supervised learning approaches. As these approaches do not usually address memorization and sensitivity to adversarial examples, this paper presents three deep metric learning approaches combined with Mixup for incomplete-supervision scenarios. We show that some state-of-the-art approaches in metric learning might not work well in such scenarios. Moreover, the proposed approaches outperform most of them in different datasets. (AU)

• Processo FAPESP: 18/23908-1 - Buscando Robustez em Arquiteturas de Aprendizagem Profunda para Aplicações e-Science
• Beneficiário: Fabio Augusto Faria
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 19/07665-4 - Centro de Inteligência Artificial
• Beneficiário: Fabio Gagliardi Cozman
• Modalidade de apoio: Auxílio à Pesquisa - Programa eScience e Data Science - Centros de Pesquisa em Engenharia
• Processo FAPESP: 21/01870-5 - Métodos de Fusão de Representações Multi-nível baseado em Aprendizagem Fracamente Supervisionada.
• Beneficiário: Luiz Henrique Buris
• Modalidade de apoio: Bolsas no Brasil - Mestrado