基于不确定性的噪声图像标签检测与重标注
计算机视觉与模式识别
2019-07-01 v1 机器学习
机器学习
摘要
深度神经网络（DNN）是计算机视觉任务中的强大工具。然而，在许多现实场景中，训练图像普遍存在标签噪声，而对噪声标签的过拟合会严重损害 DNN 的泛化性能。我们提出了一种新技术，基于 DNN 对干净数据和噪声数据的预测不确定性分布差异来识别带有噪声标签的数据。此外，训练过程中不确定性的行为有助于确定最适合用于重标注噪声标签的网络权重。因此，带有噪声标签的数据可以通过迭代过程进行清洗。我们提出的方法易于实现，并在 CIFAR-10 和 CIFAR-100 上的噪声标签检测任务中展现出良好的性能。
引用
@article{arxiv.1906.11876,
title = {Uncertainty Based Detection and Relabeling of Noisy Image Labels},
author = {Jan M. Köhler and Maximilian Autenrieth and William H. Beluch},
journal= {arXiv preprint arXiv:1906.11876},
year = {2019}
}
备注
Uncertainty and Robustness in Deep Visual Learning Workshop at CVPR 2019