TPAMI 2024 | 意外发现！南理工团队发现标签注入少量真实信息，却能带来巨大的回报

文章预览

点击上方 “ 小白学视觉 ”，选择加" 星标 "或“ 置顶 ” 重磅干货，第一时间送达 A Little Truth Injection But a Big Reward: Label Aggregation With Graph Neural Networks 题目：少量真实信息的注入，却能带来巨大的回报：使用图神经网络进行标签聚合 作者：Zijian Ying; Jing Zhang; Qianmu Li; Ming Wu; Victor S. Sheng 源码：https://github.com/fadewind/CrowdGNN 摘要 在众包注释任务中隐藏的各种相关性为进一步提高标签聚合的准确性带来了机会。然而，这些关系通常极难建模。大多数现有方法只能利用一种或两种相关性。在本文中，我们提出了一种新颖的图神经网络模型，即LAGNN，它通过利用具有卷积操作的深度图神经网络建模众包注释任务中的五种不同相关性，并导出了高标签聚合性能。利用标签相似性，LAGNN可以高效地修正工人之间的偏好。此外，通过在其训练阶段注入少量真实标签 ………………………………