DivideMix: Salesforce提出使用半监督学习大幅改进含噪声标签的学习

点击我爱计算机视觉标星,更快获取CVML新技术


分享一篇今天新出的论文DivideMix: Learning with Noisy Labels as Semi-supervised Learning,来自SalesForce研究院的工程师提出一种使用半监督学习方法改进含噪声标签数据的学习,显著改进了精度,大幅超越之前的State-of-the-art。

该文作者信息:

众所周知,近年来深度学习的长足进步离不开大规模高标准的标注数据,但在大多数现实问题中,获得数量可观的标注数据需要付出大量的时间和金钱代价。

而互联网上可以获得大量的含有标签噪声的数据,比如从搜索引擎查找返回的数据、从社交网络下载的含有tag的数据等,如何利用这些大规模含噪声标签的数据是降低标注成本的重要方向。

该文提出DivideMix方法,核心思想为 co-divide + 改进的MixMatch,其算法流程如下:

1. 提出了co-divide,该过程同时训练两个网络。对于每个网络,在其

  • 1
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值