一种面向噪声多标签下遥感图像分类的共识协作学习方法
计算机视觉与模式识别
2022-11-15 v2 图像与视频处理
摘要
在多标签分类框架下收集大量由多个土地覆盖类别标签标注的可靠训练图像，在遥感（RS）中耗时且昂贵。为解决该问题，常利用公开专题产品以零标注成本标注 RS 图像。然而，此方法可能导致构建带有噪声多标签的训练集，扭曲学习过程。为此，我们提出共识协作多标签学习（CCML）方法。所提 CCML 通过四个主要模块识别、排序并纠正带噪声多标签的训练图像：1）差异模块；2）组 Lasso 模块；3）翻转模块；4）交换模块。差异模块确保两个网络学习多样特征的同时获得相同预测。组 Lasso 模块通过基于两个协作网络聚合估计标签不确定性来检测潜在噪声标签。翻转模块纠正已识别的噪声标签，而交换模块在两个网络间交换排序信息。实验结果证实了所提 CCML 在高（合成添加）多标签噪声率下的成功。所提方法的代码公开于 https://noisy-labels-in-rs.org。
引用
@article{arxiv.2105.05496,
title = {A Consensual Collaborative Learning Method for Remote Sensing Image Classification Under Noisy Multi-Labels},
author = {Ahmet Kerem Aksoy and Mahdyar Ravanbakhsh and Tristan Kreuziger and Begum Demir},
journal= {arXiv preprint arXiv:2105.05496},
year = {2022}
}
备注
Accepted in ICIP 2021. Our code is available at https://noisy-labels-in-rs.org . arXiv admin note: text overlap with arXiv:2012.10715