基于 Wasserstein 对抗正则化(WAR)的标签噪声处理

Kilian Fatras; Bharath Bhushan Damodaran; Sylvain Lobry; Rémi Flamary; Devis Tuia; Nicolas Courty

基于 Wasserstein 对抗正则化(WAR)的标签噪声处理

机器学习 2021-06-30 v3 计算机视觉与模式识别机器学习

作者: Kilian Fatras , Bharath Bhushan Damodaran , Sylvain Lobry , Rémi Flamary , Devis Tuia , Nicolas Courty

摘要

噪声标签常出现在视觉数据集中,尤其是当它们来自众包或网络抓取时。我们提出一种新的正则化方法,能够在存在噪声数据的情况下学习鲁棒分类器。为实现这一目标,我们提出一种基于 Wasserstein 距离的新的对抗正则化方案。使用该距离可通过利用标签空间的几何性质来考虑类之间的特定关系。我们的 Wasserstein 对抗正则化(WAR)编码了一种选择性正则化,它在某些类之间促进分类器的平滑性,同时保留其他类之间决策边界的足够复杂性。我们首先讨论在标签噪声背景下对抗正则化如何以及为何可用,然后展示我们的方法在五个含噪声标签损坏的数据集上的有效性:在基准测试和真实数据集中,WAR 均优于最先进的竞争对手。

关键词

标签噪声对抗正则化 Wasserstein 距离鲁棒分类器视觉数据集选择性正则化

引用

@article{arxiv.1904.03936,
  title  = {Wasserstein Adversarial Regularization (WAR) on label noise},
  author = {Kilian Fatras and Bharath Bhushan Damodaran and Sylvain Lobry and Rémi Flamary and Devis Tuia and Nicolas Courty},
  journal= {arXiv preprint arXiv:1904.03936},
  year   = {2021}
}

备注

In Press, IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI)

基于 Wasserstein 对抗正则化(WAR)的标签噪声处理

摘要

关键词

引用

备注

相关论文