面向噪声标签的元软标签生成
计算机视觉与模式识别
2021-01-20 v2 机器学习
机器学习
摘要
数据集中噪声标签的存在会导致深度神经网络（DNNs）性能显著下降。为解决此问题，我们提出一种称为 MSLG 的元软标签生成算法，该算法可利用元学习技术联合生成软标签并以端到端方式学习 DNN 参数。我们的方法采用元学习范式，通过在含噪声训练数据与无噪声元数据上检查梯度方向来估计最优标签分布。为了迭代更新软标签，在估计的标签上执行元梯度下降步骤，以最小化无噪声元样本的损失。在每次迭代中，基分类器在估计的元标签上训练。MSLG 与模型无关，可轻松添加于任何现有模型之上。我们在 CIFAR10、Clothing1M 和 Food101N 数据集上进行了大量实验。结果表明，我们的方法以较大优势优于其他最先进方法。
引用
@article{arxiv.2007.05836,
title = {Meta Soft Label Generation for Noisy Labels},
author = {Görkem Algan and Ilkay Ulusoy},
journal= {arXiv preprint arXiv:2007.05836},
year = {2021}
}
备注
Accepted by ICPR 2020