-
题名基于样本选择的标签含噪图像分类
- 1
-
-
作者
闻铮
曹国
-
机构
南京理工大学计算机科学与工程学院
-
出处
《计算机系统应用》
2024年第2期54-61,共8页
-
基金
国家自然科学基金(62201282)
江苏省自然科学基金(BK20231456)。
-
文摘
标签噪声广泛存在、无法避免且影响深度网络模型的性能.利用神经网络的“记忆效应”,基于小损失原则的样本选择方法能简单有效地处理标签噪声.本文基于特征空间中样本距离越近越相似的原则,结合样本的高低置信度假设,提出了新的样本选择原则以及二阶段加权样本选择重标签方法(WSSR-2s).(1)在训练前期阶段,对于高置信度样本,在特征空间中对其票权进行加权,更好地引导训练;(2)在训练中后期阶段,对于低置信度样本,将其票权转移给其最相似的特征样本,以更正确地训练.在合成噪声数据集CIFAR-10、CIFAR-100以及真实噪声数据集ANIMAL-10N、WebVision的实验结果表明,本文提出的方法取得更高的精度,能够更好地处理标签噪声问题.
-
关键词
标签噪声
样本选择
置信度假说
样本票权
样本加权
-
Keywords
label noise
sample selection
confidence hypothesis
sample voting right
sample weighting
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-