结合自监督与有监督学习处理噪声标签
计算机视觉与模式识别
2023-06-27 v2
摘要
由于卷积神经网络（CNNs）容易过拟合视觉分类任务中普遍存在的噪声标签，鲁棒地训练CNNs以应对噪声标签一直是一项巨大挑战。针对该挑战已提出多种方法。然而，它们均未关注CNNs的表征学习与分类器学习之间的差异。受分类器对噪声标签更鲁棒而表征脆弱得多这一观察，以及自监督表征学习（SSRL）技术近期进展的启发，我们设计了一种新方法，即CSNL，通过SSRL无标签获取表征并直接用噪声标签训练分类器。我们在合成与真实基准数据集上进行了大量实验。结果表明，所提方法能大幅超越最先进方法，尤其在高等噪声水平下。
引用
@article{arxiv.2011.08145,
title = {Combining Self-Supervised and Supervised Learning with Noisy Labels},
author = {Yongqi Zhang and Hui Zhang and Quanming Yao and Jun Wan},
journal= {arXiv preprint arXiv:2011.08145},
year = {2023}
}