利用辅助干净标签应对噪声标签
计算机视觉与模式识别
2019-09-13 v2 机器学习
机器学习
摘要
我们考虑在许多现实应用中出现的从噪声标签学习(NL)问题。除了NL文献中广泛研究的合成噪声外,我们还将半监督学习(Semi-SL)中的伪标签视为NL的一种特殊情况。对于这两类噪声,我们认为现有方法的泛化性能与噪声标签的质量高度耦合。因此,我们从一个新颖且统一的角度来应对该问题:从辅助干净标签中学习。具体而言,我们提出了旋转解耦一致性正则化(RDCR)框架,该框架将基于一致性的方法与自监督旋转任务相结合,以学习抗噪声的表示。实验表明,在小噪声下RDCR取得了与最先进方法相当或更优的性能,而在大噪声下显著优于现有方法。
引用
@article{arxiv.1905.13305,
title = {Countering Noisy Labels By Learning From Auxiliary Clean Labels},
author = {Tsung Wei Tsai and Chongxuan Li and Jun Zhu},
journal= {arXiv preprint arXiv:1905.13305},
year = {2019}
}