利用自编码器识别监督学习中的错误标注图像

监督学习基于训练数据中真值准确的假设。然而，在真实场景中这未必能得到保证。不准确的训练数据会导致一些非预期的预测。在图像分类中，不正确的标签也可能使分类模型不准确。本文中，我将在训练分类网络之前对训练数据应用无监督技术。采用卷积自编码器对图像进行编码与重建，编码器将图像数据投影到潜空间。在潜空间中，图像特征以更低维度被保留。假设是具有相似特征的数据样本很可能具有相同的标签。噪声样本可由基于密度的扫描（DBSCAN）聚类算法在潜空间中被分类，这些错误标注的数据在潜空间中可视化为离群点。因此，由 DBSCAN 算法识别的离群点可被归类为错误标注样本。检测到离群点后，所有离群点被视为错误标注的数据样本并从数据集中移除，从而训练数据可直接用于训练监督学习网络。该算法在实验数据集中可检测并移除超过 67% 的错误标注数据。