2025年【学习笔记】标签噪声下利用深度学习进行图像分类任务——概述

科技前沿 • 2025-01-24 16:08 • 阅读 47

大家好，我是讯享网，很高兴认识大家。

论文地址

[1912.05170v1] Image Classification with Deep Learning in the Presence of Noisy Labels: A Survey (arxiv.org)
讯享网https://arxiv.org/abs/1912.05170v1

Abstract

Introduction

Preliminaries

Problem Statement

Label Noise Models

Sources of Label Noise

Methodologies

Noise Model Based Methods

Noisy Channel 噪声信道

Label Noise Cleaning 噪声清洗

Sample Choosing 样本选择

Sample Importance Weighting 样本重要性赋权

Labeler Quality Assessment 标签机质量评估

Noise Model Free Methods

Robust Losses 鲁棒性损失函数

Meta Learning 元学习

Multiple-Instance Learning 多实例学习

Semi-Supervised Learning 半监督学习

Regularizers 正则化

Ensemble Methods 集成方法

Others 其他

Dataset and Noise Generation

Datasets and Test Set 数据集和测试集

Adding Synthetic Label Noise 添加合成标签噪声

Conlusion

Abstract

用于进行图像分类的神经网络需要大量的标记数据来进行适当的训练。但是，由于分类的困难和标记过程的高代价，使得标签噪声是数据集中普遍存在的问题。

众所周知，深度网络对标签噪声具有一定的鲁棒性，但它们倾向于过拟合数据，这使它们容易对噪声进行记忆，甚至是完全随机的噪声也是如此。因此，为了有效地训练深度神经网络，必须考虑标签噪声的存在，并开发相应的对抗算法来消除其负面影响。

本文的目的是在提出这些算法的同时，根据它们的相似性对它们进行分类。