learning with noisy labels方向论文笔记（待更新）

博客笔记：

1. 几篇learning with noisy labels论文的总结

博客地址：https://blog.csdn.net/ferriswym/article/details/89452430#t3

笔记：

 

相关论文阅读计划：

• Probabilistic End-to-end Noise Correction for Learning with Noisy Labels

链接：https://arxiv.org/pdf/1903.07788.pdf

状态：已读

概述：本文通过多次迭代修改Noisy data的标签分布来做到清洗数据的目的，不需要提前准备干净数据集或对noise的先验知识。借鉴了CVPR2018的Joint Optimization Framework for Learning with Noisy Labels这篇文章，两者都是用标签分布来代替标签，在模型训练时进行parameter learning和label learning。两篇的不同点在于进行label distribution更新时，CVPR2018那篇的更新策略较简单，而这篇的更新策略中用到了三种loss的组合，体现了end-to-end的思想。

• Joint Optimization Framework for Learning with Noisy Labels

链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Tanaka_Joint_Optimization_Framework_CVPR_2018_paper.pdf

状态：未读

• Generalized Cross Entropy Loss for Training DeepNeural Networks with Noisy Labels

链接：https://papers.nips.cc/paper/8094-generalized-cross-entropy-loss-for-training-deep-neural-networks-with-noisy-labels.pdf

状态：未读

• Understanding deep learning requires rethinking generalization

链接：https://arxiv.org/pdf/1611.03530.pdf

状态：未读

• Making Deep Neural Networks Robust to Label Noise: a Loss Correction Approach

链接：https://arxiv.org/pdf/1609.03683.pdf

状态：未读

• Training Convolutional Networks with Noisy Labels

链接：https://arxiv.org/pdf/1406.2080.pdf

状态：未读