针对噪声标签的 KNN 增强深度学习
计算机视觉与模式识别
2020-12-09 v1
摘要
深度神经网络（DNN）上的监督学习非常依赖数据。由于收集大型数据集通常会引入噪声标签，在存在噪声标签的情况下优化 DNN 的性能变得至关重要。受 K 近邻（KNN）对数据噪声鲁棒性的启发，在本工作中，我们提出应用深度 KNN 进行标签清洗。我们的方法利用 DNN 进行特征提取，并利用 KNN 进行真实标签推断。我们迭代地训练神经网络并更新标签，以同时实现更高的标签恢复率和更好的分类性能。实验结果表明，在相同设置下，我们的方法优于现有的标签校正方法，并在多个数据集上取得了更好的准确率，例如在 Clothing1M 数据集上达到 76.78%。
引用
@article{arxiv.2012.04224,
title = {KNN-enhanced Deep Learning Against Noisy Labels},
author = {Shuyu Kong and You Li and Jia Wang and Amin Rezaei and Hai Zhou},
journal= {arXiv preprint arXiv:2012.04224},
year = {2020}
}