PulseAugur
中
实时 10:24:32

New CILN framework generates explicit instance-dependent label noise benchmarks

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为 CILN 的新框架，用于生成合成的实例相关标签噪声 (IDN) 基准。与之前隐式生成噪声的方法不同，CILN 使用受控的输入损坏和一个多样化的投票者池来创建基准，其中歧义的来源和严重程度是明确的。这种方法在 CIFAR10、MNIST 和 Adult 数据集上进行了测试，生成的基准表现出真实的实例相关噪声，并能揭示 Co-Teaching 和 DivideMix 等现有噪声标签学习方法的故障模式。 AI

排序理由 该集群包含一篇详细介绍新研究框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shadman Islam, Agustinus Kristiadi, Mostafa Milani ·

    Benchmarking Instance-Dependent Label Noise with Controlled Corruptions

    arXiv:2606.14965v1 Announce Type: new Abstract: Synthetic instance-dependent label noise (IDN) benchmarks are widely used to evaluate noisy-label learning methods, yet existing approaches typically generate noise through imperfect annotators or classifier raters, leaving the sour…

相关实体

相关话题