Random Labeling

比较用于噪声标签校正的机器遗忘策略

一项新近发表在arXiv上的研究探讨了各种机器遗忘（MU）策略在纠正深度神经网络中噪声标签方面的有效性。研究人员比较了五种MU方法——NegGrad、微调（FT）、随机标注（RL）、SalUn和MUNBa——在不同类型的噪声下，包括对称噪声、非对称噪声、实例相关噪声和开放集噪声。研究结果表明，最佳的遗忘策略取决于具体的噪声结构，在大多数闭集场景下，简单的微调表现良好。RL和SalUn等鲁棒方法在计算成本显著降低的情况下，尤其是在实例相…