腾讯优图：带噪学习和协作学习，不完美场景下的神经网络优化策略( 五 )
问：noisy label 对自动标注数据有用吗？
答：这个是有用的 ， 包括现在一些业务场景 ， 我们用一些方法筛选出来哪些数据是值得标的 ， 或者说我们通过 noisy label 的一些方法将 noisy label 的样本先检测出来 ， 之后再进行有效的中心标注 ， 所以 noisy label 对自动标注数据还是有业务价值的 。
问：grafting 对于小型 network 的效果如何？
答：其实我们在做很多实验的过程中发现 ， grafting 对小型网络的提升是没有对于大型网络的提升高 。 因为无效 filter 的数量很可能出现在大型网络上的比较多 ， 小型网络无效 filter 的数量比较少 ， 我们的实验结果可以看到 grafting 是在大的数据网络上效果是比较明显的 。
推荐阅读
- 腾讯新闻深网|小米引入新高管，任命杨柘出任中国区CMO
- 区块腾讯安全领御TUSI区块链落地五大场景，助力可信城市建设
- |你的微信被监听了？腾讯微信团队辟谣：绝不会做
- 金融投资报社|网易云音乐王者归来，腾讯音乐危机重重，音乐平台“二战”在即？
- 国货腾讯携手吴晓波推出中国首部大型品牌经济纪录片《新国货》
- 腾讯科技|vivo发布X50系列手机：微云台结构量产 三机型3498元起售
- 腾讯科技|一文读懂网易招股书亮点：发售价不高于126港元 研发人员超1万名
- 腾讯大学|《科技向善》出版，马化腾序言再谈使命愿景
- 腾讯科技|社交游戏公司Zynga同意斥资18亿美元收购移动游戏公司Peak
- 3DMGAME|腾讯公布AI“艾灵”：拥有近乎真人声线 还会唱歌跳舞