Noise-Tolerant Hybrid Prototypical Learning with Noisy Web Data
Zhejiang University(浙江大学)
针对少量干净标注与大量带噪网络图像的分类问题,提出 SimNoiPro 相似度最大化损失,构建抗噪混合原型并端到端建模图像关系,在两个扩展小样本基准上优于已有方法。
2025-01-05 cs.CV cs.LG
Data-driven Meta-set Based Fine-Grained Visual Classification
Nanjing University of Science and Technology(南京理工大学);University of Adelaide(阿德莱德大学)
构建细粒度的图像数据集通常需要特定领域的专家知识,这对于众包平台注释者来说并不总是可用的。因此,直接从Web图像中学习成为细粒度视觉识别的替代方法。然而,网络训练集中的标签噪声会严重降低模型性能。为此,我们提出了一种基于数据驱动元集的方法来处理有噪声的Web图像进行细粒度识别。具体地说,引导少量的清洁元集,我们训练的选择网络在元学习的方式来区分内和外的分布噪声图像。为了进一步提高模型的鲁棒性,我们还学习了一个标签网络来校正分布中噪声数据的标签。通过这种方式,我们提出的方法可以减轻由分布外噪声造成的有害影响,并适当地利用分布内噪声样本进行训练。在三个常用的细粒度数据集上进行的大量实验表明,我们的方法远远优于最先进的噪声鲁棒方法。
2020-08-06 cs.CV cs.MM
Salvage Reusable Samples from Noisy Data for Robust Learning
Nanjing University of Science and Technology(南京理工大学);Alibaba Group(阿里巴巴集团);AnyVision;University of Technology Sydney(悉尼科技大学)
由于Web图像中标签噪声的存在和深度神经网络的高记忆能力,直接通过Web图像训练深度细粒度(FG)模型往往具有较差的识别能力。在文献中,为了缓解这个问题,损失校正方法试图估计噪声转移矩阵,但不可避免的错误校正会导致严重的累积误差。样本选择方法基于小的损失可以减轻累积误差的事实来识别干净(“容易”)样本。然而,可以提高FG模型鲁棒性的“硬”和错误标记的示例也被丢弃。为此,我们提出了一种基于确定性的可重用样本选择和校正方法,称为CRSSC,用于处理使用Web图像训练深度FG模型时的标签噪声。我们的主要想法是额外识别和纠正可重用的样本,然后利用它们与干净的示例一起更新网络。我们从理论和实验的角度证明了所提出的方法的优越性。
2020-08-06 cs.CV cs.MM
Learning to Generate Diverse Pedestrian Movements from Web Videos with Noisy Labels
University of California, Los Angeles(加利福尼亚大学洛杉矶分校)
本文提出从网络视频中学习生成多样化行人运动,构建了CityWalkers数据集并提出了PedGen生成模型,通过自动标签过滤、掩码嵌入和3D上下文编码器利用噪声标签与上下文因素,在真实与模拟环境中实现了优于基线方法的性能及零样本泛化。
2024-10-10 cs.CV
Fine-grained Classification using Heterogeneous Web Data and Auxiliary Categories
Rice University(莱斯大学)
细粒度分类仍然是一个非常具有挑战性的问题,因为缺乏良好的标记训练数据造成的注释大量的细粒度类别的高成本。在极端情况下,给定一组测试类别,而没有任何标记良好的训练数据,现有的大多数工作可以分为以下两个研究方向:1)抓取测试类别的带噪声标记的Web数据作为训练数据,这被称为Web监督学习; 2)将带有良好标记的训练数据的辅助类别中的知识转移到测试类别中,这对应于零样本学习设置。尽管如此,上述两个研究方向仍有关键问题需要解决。对于第一个方向,web数据具有噪声标签并且与测试数据的数据分布相当不同。对于第二个方向,与传统的监督学习相比,零样本学习正在努力实现令人信服的结果。上述两个方向的问题促使我们开发一种新的方法,该方法可以联合利用来自测试类别的带噪网络训练数据和来自辅助类别的标记良好的训练数据。特别地,一方面,我们抓取测试类别的Web数据作为噪声训练数据。另一方面,我们借助自由语义信息(例如,向量)的所有类别。此外,考虑到web数据通常与附加文本信息(例如,标题和标签),我们通过使用Web数据的周围文本信息作为特权信息来扩展我们的方法。大量的实验表明,我们提出的方法的有效性。
2018-11-19 cs.CV
Weakly Supervised Learning with Side Information for Noisy Labeled Images
Machine Intelligence Technology Lab, Damo Academy, Alibaba Group(阿里巴巴达摩院机器智能技术实验室)
在许多现实世界的数据集中,如WebVision,基于DNN的分类器的性能往往受到噪声标记数据的限制。为了解决这个问题,一些与图像相关的辅助信息,如标题和标签,通常会揭示图像之间的潜在关系。在本文中,我们提出了一个有效的弱监督学习,通过使用边信息网络(SINet),其目的是有效地进行大规模的分类与严重的噪音标签。建议SINet由一个视觉原型模块和噪声加权模块。视觉原型模块旨在通过引入辅助信息为每个类别生成紧凑的表示。噪声加权模块旨在估计每个噪声图像的正确性,并在训练过程中产生用于图像排名的置信度得分。提出的SINet算法可以很大程度上缓解图像标签噪声带来的负面影响,有利于训练高性能的CNN分类器.此外,我们还发布了一个名为AliProducts的细粒度产品数据集,其中包含通过使用从50,000个细粒度语义类生成的查询从互联网上抓取的超过250万张嘈杂的Web图像。在几个流行的基准测试(即Webvision,ImageNet和Clothing-1 M)上进行了广泛的实验,我们提出的AliProducts实现了最先进的性能。SINet在WebVision Challenge 2019的分类任务中获得第一名,并大幅超越其他竞争对手。
2020-09-04 cs.CV
Attend in groups: a weakly-supervised deep learning framework for learning from web data
The University of Adelaide(阿德莱德大学);Australian Centre for Robotic Vision(澳大利亚机器人视觉中心)
大规模数据集推动了用于视觉识别的深度神经网络的快速发展。然而,注释大量数据集是昂贵且耗时的。相比之下,Web图像及其标签更容易获得,但在这种自动采集的图像上直接训练可能会导致不满意的性能,因为Web图像的嘈杂标签会对学习的识别模型产生不利影响。为了解决这个缺点,我们提出了一个端到端的弱监督深度学习框架,它对Web图像中的标签噪声具有鲁棒性。所提出的框架依赖于两个统一的策略-随机分组和注意-有效地减少嘈杂的Web图像注释的负面影响。具体来说,随机分组将多个图像堆叠到单个训练实例中,从而提高了实例级别的标记准确性。另一方面,注意力抑制来自不正确标记的图像和较少区分的图像区域的噪声信号。通过对两个具有挑战性的数据集进行密集的实验,包括一个新收集的细粒度数据集,其中包含不同车型的Web图像,清楚地证明了所提出的方法优于竞争基线的优越性能。
2016-11-30 cs.CV
Learning without Prejudice: Avoiding Bias in Webly-Supervised Action Recognition
Technische Universität München(慕尼黑工业大学);Johns Hopkins University(约翰斯·霍普金斯大学);University of Padova(帕多瓦大学)
Webly-监督学习最近出现作为传统监督学习的替代范例,其基于具有手动注释的大规模数据集。关键的想法是,像CNN这样的模型可以从网络上的嘈杂视觉数据中学习。在这项工作中,我们的目标是利用网络数据的视频理解任务,如动作识别和检测。网络监督学习的主要问题之一是从网络中清除带噪声的标记数据。最先进的范例依赖于在噪声数据上训练第一分类器,然后用于清理剩余的数据集。我们的关键见解是,这个过程使第二个分类器偏向于第一个分类器理解的样本。在这里,我们训练两个独立的CNN,一个是基于Web图像和视频帧的RGB网络,另一个是使用来自光流的时间信息的网络。我们表明,独立训练网络远远优于使用我们的RGB网络为流分类器选择帧。此外,我们还展示了从异构公共Web数据库中使用不同数据源丰富训练集的好处。我们证明了我们的框架在两个公共基准(UCF-101和Thumos'14)上优于所有其他webly监督方法。
2017-06-14 cs.CV
Addressing out-of-distribution label noise in webly-labelled data
Dublin City University(都柏林城市大学)
深度学习社区的一个反复关注的焦点是减少标记工作。使用搜索引擎进行数据收集和注释是生成完全人工注释和人工收集的数据集的简单替代方案。虽然网络抓取是非常有时间效率的,但一些检索到的图像是非常嘈杂的,即不正确的标记。设计健壮的算法来训练从网络上收集的噪声数据是一个重要的研究视角,这将使数据集的构建变得更容易。在本文中,我们进行了一项研究,以了解使用搜索引擎构建数据集时预期的标签噪声类型。我们回顾了目前的限制,国家的最先进的方法来处理嘈杂的标签的图像分类任务的情况下,网络噪声分布。我们提出了一个简单的解决方案,使用动态软化分布外样本(DSOS)来弥合完全干净的数据集的差距,我们在CIFAR-100数据集的损坏版本上设计了该解决方案,并与最先进的算法进行了比较网络噪声扰动MiniImageNet和斯坦福数据集以及真实标签噪声数据集:WebVision 1.0和Clothing 1 M。我们的工作是完全可复制的https://git.io/JKGcj
2021-10-26 cs.CV
MERRIN: A Benchmark for Multimodal Evidence Retrieval and Reasoning in Noisy Web Environments
UNC Chapel Hill(北卡罗来纳大学教堂山分校);Virginia Tech(弗吉尼亚理工大学);University of Texas at Austin(德克萨斯大学奥斯汀分校)
MERRIN基准评估搜索增强代理在噪声网络环境中的多模态证据检索与推理能力,通过自然语言查询和多模态证据检索测试,发现现有模型在复杂任务中表现有限,需进一步提升多模态处理能力。
2026-04-15 cs.AI cs.CL cs.CV
ARTIC3D: Learning Robust Articulated 3D Shapes from Noisy Web Image Collections
UC Merced(加州大学默塞德分校);Google Research(谷歌研究院);Waymo(Waymo公司);Yonsei University(延世大学)
本文提出自监督框架ARTIC3D,利用Stable Diffusion先验和基于骨架的表示,从稀疏含噪野外图像中重建鲁棒、高保真的铰接式3D形状与纹理。
2023-06-07 cs.CV
An accurate detection is not all you need to combat label noise in web-noisy datasets
Australian Institute for Machine Learning, University of Adelaide(阿德莱德大学澳大利亚机器学习研究所);CeADAR: Ireland’s Centre for Applied Artificial Intelligence(CeADAR:爱尔兰应用人工智能中心);Insight Centre for Data Analytics, Dublin City University(都柏林城市大学洞察数据分析中心)
针对网络爬取数据的标签噪声问题,研究发现无监督对比学习下的线性OOD检测无法提升分类精度,提出结合线性分离检测与小损失方法的混合方案,显著提升了真实含噪网络图像分类的SOTA结果。
2024-07-08 cs.CV
Plant identification based on noisy web data: the amazing performance of deep learning (LifeCLEF 2017)
CIRAD, UMR AMAP, France(CIRAD,AMAP联合研究单位,法国);Inria ZENITH team, France(INRIA ZENITH团队,法国);LIRMM, Montpellier, France(LIRMM,蒙彼利埃,法国)
本文介绍LifeCLEF 2017植物识别挑战赛,评估大规模噪声网络数据训练集与专家审核的小型可信数据集在深度学习识别中的性能对比,并总结参赛方法及成果。
2025-09-25 cs.CV
WebVision Database: Visual Learning and Understanding from Web Data
Computer Vision Laboratory, ETH Zurich(苏黎世联邦理工学院计算机视觉实验室);Google Switzerland(谷歌瑞士)
在本文中,我们提出了一个研究学习视觉识别模型,从大规模的噪声网络数据。我们构建了一个名为WebVision的新数据库,其中包含通过使用从基准ILSVRC 2012数据集的1,000个语义概念生成的查询从互联网上抓取的超过$2.4$万个Web图像。Meta信息以及那些web图像(例如,标题、描述、标签等)也是爬行的。还提供了包含人类注释图像的验证集和测试集,以促进算法开发。基于我们的新数据库,我们获得了一些有趣的观察结果:1)嘈杂的网络图像足以训练一个良好的深度CNN模型进行视觉识别; 2)从我们的WebVision数据库学习的模型在转移到新的数据集和任务时,表现出与ILSVRC 2012数据集训练的模型相当甚至更好的泛化能力; 3)领域自适应问题(也称为,数据集偏差),这意味着该数据集可以用作视觉领域自适应的最大基准数据集。我们新的WebVision数据库和相关研究将有利于学习最先进的视觉模型,并基于Web数据进行最少的监督。
2017-08-09 cs.CV
CurriculumNet: Weakly Supervised Learning from Large-Scale Web Images
Malong Technologies(码隆科技);Shenzhen Malong Artificial Intelligence Research Center(深圳码隆人工智能研究中心)
我们提出了一种简单而有效的方法,能够在大规模弱监督网络图像上训练深度神经网络,这些图像是通过使用文本查询从互联网上原始抓取的,无需任何人工注释。我们通过利用课程学习开发了一个有原则的学习策略,目标是有效地处理大量的噪声标签和数据不平衡。我们设计了一个新的学习课程,通过测量数据的复杂性,使用其在特征空间中的分布密度,并在一个无监督的方式排名的复杂性。这允许在大规模网络图像上有效地实施课程学习,从而产生高性能的CNN模型,其中噪声标签的负面影响被大幅降低。重要的是,我们通过实验表明,那些具有高噪声标签的图像可以通过作为正则化的方式来惊人地提高模型的泛化能力。我们的方法在四个基准测试中获得了最先进的性能:WebVision,ImageNet,Clothing-1 M和Food-101。通过多个模型的集成,我们在WebVision挑战中实现了5.2%的前5名出错率,用于1000个类别的分类。这个结果是最好的表现了很大的差距,超过了近50%的相对出错率第二位。代码和模型可在https://github.com/MalongTech/CurriculumNet上获得。
2018-10-18 cs.CV
Product Image Recognition with Guidance Learning and Noisy Supervision
Southwest Jiaotong University(西南交通大学);Shenzhen Institutes of Advanced Technology, CAS(中国科学院深圳先进技术研究院);University of Massachusetts at Amherst(马萨诸塞大学阿默斯特分校);Vipshop Inc.(唯品会公司)
本文认为,从日常照片,这是一个重要的问题,在现实世界中的应用程序,但也具有挑战性,由于背景杂乱,类别dilibrium,嘈杂的标签等,我们解决这个问题的两个贡献。首先,我们介绍了一种新的大规模产品图像数据集,称为Product-90。我们利用网络的优势,从几个电子商务网站的评论中下载图像,而不是通过劳动和时间密集型的图像捕获来收集产品图像,这些图像是由消费者随意捕获的。标签由电子商务网站的类别自动分配。Product-90包含90个类别的14万多张图片。由于消费者可能会上传不相关的图像,我们的Product-90不可避免地会引入嘈杂的标签。作为第二个贡献,我们开发了一个简单而有效的\textit{guidance learning}(GL)方法训练卷积神经网络(CNN)与噪声监督。GL方法首先用完整的噪声数据集训练初始教师网络,然后以多任务方式用大规模噪声集和小规模手动验证的干净集训练目标/学生网络。具体而言,在学生网络训练阶段,大规模噪声数据由其指导知识进行监督,该指导知识是其给定的噪声标签和教师网络的软化标签的组合。我们在我们的Products-90和公共数据集上进行了广泛的实验,即Food-101,Food-101 N和Clothing 1 M。我们的指导学习方法在这些数据集上实现了优于最先进方法的性能。
2019-07-26 cs.CV
Beyond Synthetic Noise: Deep Learning on Controlled Noisy Labels
Google Research(谷歌研究院);Google Cloud AI(谷歌云人工智能);Cornell University(康奈尔大学)
在噪声数据上执行受控实验对于理解跨噪声水平的深度学习至关重要。由于缺乏合适的数据集,以前的研究只在受控的合成标签噪声上研究了深度学习,而现实世界的标签噪声从未在受控环境中进行过研究。本文有三个贡献。首先,我们建立了第一个来自网络的受控真实世界标签噪声的基准。这个新的基准测试使我们能够第一次在受控设置中研究Web标签噪声。第二个贡献是一个简单但有效的方法来克服合成和真正的噪声标签。我们表明,我们的方法在我们的数据集以及两个公共基准测试(CIFAR和WebVision)上取得了最佳结果。第三,我们进行了迄今为止最大规模的研究,以了解在不同噪声水平、噪声类型、网络架构和训练设置的噪声标签上训练的深度神经网络。数据和代码发布于以下链接:http://www.lujiang.info/cnlw.html
2020-08-27 cs.CV cs.LG stat.ML
MoPro: Webly Supervised Learning with Momentum Prototypes
Salesforce Research(Salesforce 研究院)
我们提出了一种网络监督表示学习方法,该方法不受监督学习的注释不可扩展性,也不受自监督学习的计算不可扩展性。现有的大多数关于webly-supervised表示学习的工作都采用了普通的监督学习方法,而没有考虑训练数据中普遍存在的噪声,而大多数带有标签噪声的学习方法对于真实世界的大规模噪声数据都不太有效。我们提出了动量原型(MoPro),一个简单的对比学习方法,实现在线标签噪声校正,分布外的样本删除,和表示学习。MoPro在WebVision上实现了最先进的性能,这是一种弱标记的噪声数据集。当预训练的模型被转移到下游图像分类和检测任务时,MoPro也表现出卓越的性能。它在VOC的单次分类上比ImageNet监督预训练模型的性能高出+10.5,在ImageNet标记样本的1%上进行微调时,它比最好的自监督预训练模型的性能高出+17.3。此外,MoPro对分布偏移更稳健。代码和预训练模型可在https://github.com/salesforce/MoPro上获得。
2020-09-17 cs.CV
Learning Deep Visual Object Models From Noisy Web Data: How to Make it Work
Sapienza Rome University(罗马一大(萨皮恩扎罗马大学));University of Birmingham(伯明翰大学);Department of Computer, Control and Management Engineering(计算机、控制与管理工程系)
深度网络在大规模数据汇集上训练时蓬勃发展。这使得ImageNet在视觉对象分类的深度架构开发中发挥了核心作用。然而,ImageNet是在特定的时间段内创建的,因此它容易老化,以及数据集偏差问题。超越固定的训练数据集将导致更强大的视觉系统,特别是当部署在新环境中的机器人上时,这些机器人必须对它们在那里遇到的物体进行训练。为了实现这一点,摆脱对手动注释器的需求是很重要的。最近的工作已经开始研究如何使用大量的图像在Web上可用的地方手动图像注释。我们通过两个发现为这一研究线索做出了贡献:(1)一项研究将给定水平的噪声标签与两种不同类型噪声的两种深度架构的预期准确性下降相关联,该研究清楚地将GoogLeNet确定为从Web数据中学习的合适架构;(2)基于视觉和自然语言处理概念扩展策略,创建具有最小噪声和最大视觉可变性的Web数据集的配方。通过结合这两个结果,我们获得了一种从Web自动学习强大的深度对象模型的方法。我们确认我们的方法的有效性,通过对象分类实验,使用我们的Web衍生版本的ImageNet上流行的机器人视觉基准数据库,并在移动机器人上的终身对象发现任务。
2017-02-28 cs.CV cs.DB cs.LG
Learning with Noisy labels via Self-supervised Adversarial Noisy Masking
Tencent(腾讯)
收集大规模数据集对于训练深度模型至关重要,然而,注释数据不可避免地产生噪声标签,这对深度学习算法提出了挑战。先前的努力倾向于通过识别和去除噪声样本或根据统计特性(例如,损失值)之间的训练样本。在本文中,我们的目标是从一个新的角度来解决这个问题,深入研究深度特征图,我们根据经验发现,用干净和错误标记的样本训练的模型表现出可区分的激活特征分布。从这个观察,提出了一种新的强大的训练方法,称为对抗噪声掩蔽。这个想法是用标签质量引导的掩蔽方案来正则化深度特征,该方案同时自适应地调制输入数据和标签,防止模型过拟合噪声样本。此外,还设计了一个辅助任务来重建输入数据,它自然地提供了无噪声的自监督信号,以增强深度模型的泛化能力。所提出的方法简单灵活,在合成和真实世界的噪声数据集上进行了测试,与以前的最先进的方法相比,取得了显着的改进。
2023-02-15 cs.CV
A Web Page Classifier Library Based on Random Image Content Analysis Using Deep Learning
Arcada UAS(阿卡达应用科学大学);The University of Iowa(爱荷华大学)
在本文中,我们提出了一种方法和相应的Python库1的网页分类。我们的方法从一个给定的网页中检索固定数量的图像,并根据它们将网页分类为一组具有给定概率的已建立的类。该库通过预先训练的深度网络训练基于从图像中提取的特征构建的随机森林模型。通过在3859个网站的精选列表中识别武器类网页来测试该实现。结果表明,将网页分类到研究类的最佳方法是根据所有检索到的图像中属于该(武器)类的任何图像高于阈值的最大概率来分配类。进一步的研究探讨了所开发的方法也适用于医疗保健应用的图像分类的可能性。
2019-12-18 cs.CV
KNN-enhanced Deep Learning Against Noisy Labels
Northwestern University(西北大学);Illinois Institute of Technology(伊利诺伊理工学院);California State University Long Beach(加州州立大学长滩分校)
深度神经网络(DNN)上的监督学习是数据饥渴型的。在存在噪声标签的情况下优化DNN的性能变得至关重要,因为收集大型数据集通常会带来噪声标签。受K最近邻(KNN)对数据噪声的鲁棒性的启发,在这项工作中,我们建议将深度KNN应用于标签清理。我们的方法利用DNN进行特征提取,利用KNN进行地面真实标签推理。我们迭代地训练神经网络和更新标签,同时进行更高的标签恢复率和更好的分类性能。实验结果表明,在相同的设置下,我们的方法优于现有的标签校正方法,并在多个数据集上实现了更好的准确性,例如,Clothing1M数据集上的76.78%。
2020-12-08 cs.CV
Noisy Deep Ensemble: Accelerating Deep Ensemble Learning via Noise Injection
Graduate School of Engineering, University of Fukui(福井大学工学院)
本文提出Noisy Deep Ensemble方法,通过扰动已收敛父模型权重构建子模型,在CIFAR数据集上以更低训练成本取得与标准集成相当的准确率。
2025-04-08 cs.CV
Contrast to Divide: Self-Supervised Pre-Training for Learning with Noisy Labels
Technion -- Israel Institute of Technology(以色列理工学院);NVIDIA(英伟达)
使用噪声标签(LNL)方法学习的成功在很大程度上依赖于预热阶段的成功,其中使用完整(噪声)训练集执行标准监督训练。在本文中,我们确定了一个“热身障碍”:标准的热身阶段无法训练高质量的特征提取器,避免记忆的嘈杂标签。我们提出了“对比划分”(C2 D),这是一个简单的框架,通过以自我监督的方式预训练特征提取器来解决这个问题。使用自我监督的预训练通过大幅降低预热阶段对噪声水平的敏感性,缩短其持续时间并提高提取的特征质量来提高现有LNL方法的性能。C2 D与现有方法一起开箱即用,并表现出显着的性能改进,特别是在高噪声区域,我们在CIFAR-100中获得了超过27%的提升,噪声为90%,超过了以前的最先进水平。在现实生活中的噪声设置中,在mini-WebVision上训练的C2 D在WebVision和ImageNet验证集上的表现都优于以前的作品3%的top-1准确度。我们进行了深入的分析框架,包括调查不同的预训练方法的性能和估计的有效上限的LNL性能与半监督学习。复制我们实验的代码可在https://github.com/ContrastToDivide/C2D上获得
2021-10-20 cs.CV cs.LG
Image to Video Domain Adaptation Using Web Supervision
Microsoft Cognition(微软认知)
训练深度神经网络通常需要大量的标记数据,对于特定的目标域,获得这些标记数据可能是稀缺的或昂贵的。作为替代方案,我们可以利用相对丰富但可能包含噪声结果的网络监督数据(即来自公共搜索引擎的结果)。在这项工作中,我们提出了一种新的两阶段的方法来学习视频分类器使用webly监督的数据。我们认为,学习外观特征,然后依次时间特征,而不是同时,是一个更容易优化这项任务。我们通过首先从网络图像中学习图像模型来展示这一点,该图像模型用于初始化和训练视频模型。我们的模型应用领域自适应来解释源域(网络监督数据)和目标域之间存在的潜在域偏移,并通过添加新的注意力分量来解释噪声。我们报告的结果与UCF-101上最先进的网络监督方法具有竞争力(同时简化了训练过程),并对Kinetics进行了评估以进行比较。
2019-08-05 cs.CV
Deep Unsupervised Saliency Detection: A Multiple Noisy Labeling Perspective
Northwestern Polytechnical University(西北工业大学);Australian National University(澳大利亚国立大学);DATA61,CSIRO(澳大利亚联邦科学与工业研究组织数据61研究所)
当前深度显著性检测方法的成功在很大程度上取决于以每像素标记形式的大规模监督的可用性。这种监督虽然是劳动密集型的,而且并不总是可行的,但往往会阻碍学习模型的泛化能力。相比之下,传统的基于手工特征的无监督显着性检测方法,即使已经被深度监督方法超越,但通常是独立于网络的,可以在野外应用。这就提出了一个很自然的问题:“有没有可能在不使用标记数据的情况下学习显着图,同时提高泛化能力?".为此,我们提出了一个新的角度来无监督显着性检测,通过学习多个嘈杂的标签产生的“弱”和“嘈杂”的无监督手工显着性方法。我们用于无监督显著性检测的端到端深度学习框架由潜在显著性预测模块和噪声建模模块组成,它们协同工作并联合优化。显式噪声建模使我们能够以概率的方式处理噪声显着图。在各种基准数据集上进行的大量实验结果表明,我们的模型不仅以较大的幅度优于所有无监督显着性方法,而且与最近最先进的有监督深度显着性方法的性能相当。
2018-03-29 cs.CV
Mitigating Noisy Supervision Using Synthetic Samples with Soft Labels
McMaster University(麦克马斯特大学)
针对深度神经网络易受噪声标签影响导致泛化差的问题,提出利用合成样本与软标签训练模型的框架,通过聚合样本及其最近邻并逐步纠正噪声标签,在多个基准和真实数据集上显著提升了表示质量与鲁棒性。
2024-06-22 cs.CV cs.LG
BLIP: Bootstrapping Language-Image Pre-training for Unified Vision-Language Understanding and Generation
Salesforce Research(Salesforce研究院)
视觉语言预训练(VLP)提高了许多视觉语言任务的性能。然而,大多数现有的预训练模型仅在基于理解的任务或基于生成的任务中表现出色。此外,性能的提高在很大程度上是通过用从网络上收集的嘈杂的图像-文本对来扩展数据集来实现的,这是一个次优的监督源。在本文中,我们提出了BLIP,一个新的VLP框架,灵活地转移到视觉语言理解和生成任务。BLIP通过自举字幕有效地利用了有噪声的Web数据,其中字幕器生成合成字幕,过滤器去除有噪声的字幕。我们在广泛的视觉语言任务上取得了最先进的结果,例如图像-文本检索(平均召回率为+2.7%),图像描述(CIDER为+2.8%)和VQA(VQA得分为+1.6%)。当以zero-shot方式直接转移到视频语言任务时,BLIP也表现出很强的泛化能力。代码、模型和数据集发布于https://github.com/salesforce/BLIP。
2022-02-15 cs.CV
Scalable Pooled Time Series of Big Video Data from the Deep Web
University of Southern California(南加州大学);Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室)
我们贡献了CVPR 2015中Ryoo等人的Pooled Time Series算法的可扩展实现。更新后的算法已经在一个大型且多样化的数据集上进行了评估,该数据集包含大约6800个视频,这些视频是从DARPA MEMEEX工作中与人口贩运相关的深网抓取中收集的。我们描述了池化时间序列的属性和使用它来关联从深网收集的视频的动机。我们强调了在较大数据集上运行池化时间序列时发现的问题,并讨论了这些问题的解决方案。我们的解决方案中心正在将Pooled Time Series重新构想为一种基于Hadoop的算法,在这种算法中,我们在大型商品集群上并行计算最终解决方案的一部分。我们证明了我们新的基于Hadoop的算法在6800视频数据集上运行良好,并具有CVPR 2015论文中描述的所有属性。我们对该项目今后的工作提出了建议。
2016-10-21 cs.CV
A Survey on Deep Learning with Noisy Labels: How to train your model when you cannot trust on the annotations?
Federal Rural University of Pernambuco(伯南布哥联邦农村大学);Australian Institute for Machine Learning(澳大利亚机器学习研究院);University of Adelaide(阿德莱德大学)
噪声标签通常存在于从互联网自动收集的数据集中,被非专业注释者错误标记,甚至是在具有挑战性的任务中的专家,例如在医学领域。尽管深度学习模型在不同领域都有了显著的改进,但一个悬而未决的问题是它们在训练过程中记忆噪声标签的能力,降低了它们的泛化潜力。由于深度学习模型依赖于正确标记的数据集,并且标签正确性难以保证,因此考虑噪声标签的存在对于深度学习训练至关重要。文献中已经提出了几种方法来改进存在噪声标签的深度学习模型的训练。本文提出了一个调查的主要技术在文献中,其中我们分类的算法在以下几组:鲁棒损失,样本加权,样本选择,元学习,和组合的方法。我们还介绍了常用的实验装置,数据集和最先进的模型的结果。
2020-12-05 cs.CV cs.LG
Training Convolutional Networks with Web Images
在这篇论文中,我们研究了使用Web图像来构建大规模数据库的效果,这些数据库将与用于分类任务的深度学习方法一起使用。我们使用4种不同的下载策略从网络上收集的图像复制ImageNet大规模数据库(ILSVRC-2012):搜索引擎,查询和图像分辨率。作为一种深度学习方法,我们将选择卷积神经网络,它在识别任务中非常成功; AlexNet。
2018-05-22 cs.CV
Joint Optimization Framework for Learning with Noisy Labels
The University of Tokyo(东京大学)
在大规模数据集上训练的深度神经网络(DNN)在图像分类中表现出了显著的性能。许多大规模的数据集是从网站上收集的,但是它们往往包含不准确的标签,称为噪声标签。在这种嘈杂的标签数据集上训练会导致性能下降,因为DNN很容易过拟合到嘈杂的标签。为了克服这个问题,我们提出了一个学习DNN参数和估计真实标签的联合优化框架。我们的框架可以在训练过程中通过交替更新网络参数和标签来纠正标签。我们在有噪声的CIFAR-10数据集和Clothing 1 M数据集上进行了实验。结果表明,我们的方法显着优于其他国家的最先进的方法。
2018-03-30 cs.CV cs.LG stat.ML
Application of Deep Learning Methods to Processing of Noisy Medical Video Data
Orel State University(奥廖尔国立大学);Innopolis University(Innopolis大学)
针对连续流中运动细胞边界难辨导致的计数难题,本文提出用课程学习改进训练、多视图预测改进决策,以提升含噪医学视频中的细胞计数性能。
2024-04-16 cs.CV cs.LG
Dark Web Activity Classification Using Deep Learning
AIFA (Artificial Intelligence Group of FANAP CO)(AIFA(FANAP公司人工智能集团));Auckland Institute of Studies(奥克兰研究学院)
本文提出一种基于深度学习的暗网活动分类搜索引擎,针对毒品、武器、被盗银行卡等五类非法活动,通过提取.onion网站图像或文本关键词识别活动标题,并构建Darkoob数据集,在测试集上达94%准确率。
2023-07-01 cs.CV cs.IR
Automatically Identify and Rectify: Robust Deep Contrastive Multi-view Clustering in Noisy Scenarios
National University of Singapore(新加坡国立大学);Intelligent Game and Decision Lab(智能博弈与决策实验室)
针对多视图聚类中噪声导致性能下降的问题,提出框架AIRMVC,通过GMM识别噪声并设计混合纠正策略与噪声鲁棒对比机制生成可靠表示,显著提升了噪声场景下的聚类鲁棒性。
2025-05-27 cs.CV
Deep Learning from Noisy Image Labels with Quality Embedding
Cooperative Medianet Innovation Center, Shanghai Jiao Tong University(上海交通大学协同媒体创新中心);Center for Artificial Intelligence, FEIT, University of Technology Sydney(悉尼科技大学工程与信息技术学院人工智能中心);Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University(上海交通大学图像通信与网络工程研究所)
在许多视觉识别任务中,利用噪声图像数据集是一种新兴的趋势。然而,数据集之间的标签噪声严重退化的\mbox{performance of deep}学习方法。近年来,一种主流的方法是引入潜在标签来处理标签噪声,这在网络设计中表现出了很好的改进效果。然而,潜在标签和噪声标签之间的不匹配仍然影响这种方法的预测。为了解决这个问题,我们提出了一个质量嵌入模型,它明确地引入了一个质量变量来表示噪声标签的可信度。我们的核心思想是通过将质量变量嵌入到不同的子空间中来识别潜在标签和噪声标签之间的不匹配,从而有效地减少噪声影响。同时,高质量的标签仍然可以应用于培训。为了实例化该模型,我们进一步提出了一个对比-加性噪声网络(CAN),它由两个重要层组成:(1)对比层估计嵌入空间中的质量变量以减少噪声影响;(2)加性层聚合先验预测和噪声标签作为后验来训练分类器。此外,为了解决优化困难,我们推导出一个SGD算法与重新参数化技巧,这使得我们的方法可扩展到大数据。我们进行了实验评估的方法在一系列的噪声图像数据集。综合结果表明,CAN优于最先进的深度学习方法。
2017-11-02 cs.CV
Deep Self-Learning From Noisy Labels
The Chinese University of Hong Kong(香港中文大学);The University of Hong Kong(香港大学)
ConvNets在从干净的数据中训练时取得了良好的效果,但从嘈杂的标签中学习会显着降低性能,并且仍然具有挑战性。与以前的作品受到许多条件的限制,使其不适用于真实的噪声情况不同,这项工作提出了一种新的深度自学习框架,可以在没有额外监督的情况下在真实的噪声数据集上训练一个健壮的网络。所提出的方法有几个吸引人的好处。(1)与大多数现有的工作不同,它不依赖于任何假设的噪声标签的分布,使其具有鲁棒性的真实噪声。(2)它不需要额外的清洁监督或辅助网络来帮助培训。(3)提出了一种自学习框架,以迭代的端到端的方式对网络进行训练,这是有效和高效的。在具有挑战性的基准,如Clothing 1 M和Food 101-N的广泛实验表明,我们的方法优于其同行在所有的经验设置。
2019-08-20 cs.CV cs.LG
AutoCorrect: Deep Inductive Alignment of Noisy Geometric Annotations
University of Oxford(牛津大学)
我们提出了自动更正,一种方法来自动学习对象注释对齐从数据集的注释受几何噪声的影响。该方法是基于一致性损失,使深度神经网络被训练,只给出嘈杂的注释作为输入,以纠正注释。当一些无噪声注释可用时,我们表明一致性损失减少到更严格的自监督损失。我们还表明,该方法可以隐式地利用对象对称性,以减少在纠正嘈杂的注释所产生的歧义。当图像中存在多个对象-注释对时,我们引入了一个空间记忆映射,允许网络一次一个地顺序校正注释,同时考虑到图像中的所有其他注释和迄今为止执行的校正。通过消融,我们展示了这些贡献的好处,在地理空间图像上展示了出色的结果。具体来说,我们使用新的铁路轨道数据集以及公共INRIA建筑基准来显示结果,为后者实现了新的最先进的结果。
2019-08-14 cs.CV
Deep Neural Networks Learn Meta-Structures from Noisy Labels in Semantic Segmentation
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);University of Chinese Academy of Sciences(中国科学院大学)
神经网络(DNN)如何从噪声标签中学习已经在图像分类中得到了广泛的研究,但在图像分割中却很少。到目前为止,我们对由噪声分割标签训练的DNN的学习行为的理解仍然有限。在这项研究中,我们解决这一不足,在生物显微镜图像的二进制分割和多类自然图像分割。我们通过随机采样一小部分(例如,10%)或翻转大部分(例如,90%)的地面真相标签。当使用这些噪声标签进行训练时,DNN提供的分割性能与原始地面真值训练的基本相同。这表明DNN在语义分割的监督训练中学习隐藏在标签中的结构,而不是像素级标签本身。我们将标签中的这些隐藏结构称为元结构。当DNN由具有不同元结构扰动的标签训练时,我们发现其分割性能一致下降。相比之下,元结构信息的结合大大提高了为二进制语义分割开发的无监督分割模型的性能。我们在数学上将元结构定义为空间密度分布,并从理论和实验上展示了这种提法如何解释DNN的关键观察到的学习行为。
2022-03-05 cs.CV
Fighting over-fitting with quantization for learning deep neural networks on noisy labels
Datakalab(Datakalab公司)
深度神经网络性能的提高通常被经验地归因于可用计算能力的增加,这允许在大量注释数据上训练复杂模型。然而,增加的模型复杂性导致现代神经网络的昂贵部署,而收集如此大量的数据需要巨大的成本来避免标签噪声。在这项工作中,我们研究了压缩方法同时解决这两个问题的能力。我们假设量化感知训练通过限制神经网络的表达能力,表现为正则化。因此,它可以帮助对抗噪声数据上的过拟合,同时还允许在推理时压缩模型。我们首先验证这一说法的控制测试手动引入标签噪声。此外,我们还测试了面部动作单元检测,其中标签通常是嘈杂的,由于微妙的任务所提出的方法。在所有情况下,我们的结果表明,与现有的基线,正则化以及其他压缩方法相比,量化显着改善了结果。
2023-03-21 cs.CV
"Improved FCM algorithm for Clustering on Web Usage Mining"
East China University of Technology(东华理工大学);Vardhaman college of Engineering(瓦尔达曼工程学院);S.V.University College of Engineering(SV大学工程学院)
针对目前的聚类方法对初始中心值非常敏感,对数据集要求过高,且不能处理噪声数据的问题,提出了利用信息熵初始化聚类中心,并引入加权参数来调整聚类中心的位置和噪声问题。Web数据聚类是通过分析Web服务器上收集到的数据,找出具有共同兴趣和行为的群体,利用改进的模糊C均值(FCM)聚类算法有效地提高了Web数据的聚类效率。Web使用挖掘是将数据采掘技术应用于Web日志数据仓库。它用于从Web访问日志中发现用户访问模式。Web数据集群是使用MSNBC Web导航数据集形成的。
2011-04-11 cs.CV cs.IR
How Bad is Good enough: Noisy annotations for instrument pose estimation
Technische Universität Darmstadt(达姆施塔特工业大学)
虽然通过深度学习对医学图像的分析在各种应用中取得了前所未有的结果,但很少以系统的方式研究\emph{noisy training annotations}的效果。在医学图像分析中,解决这个问题的大多数报告都集中在研究深度学习分类器的分割性能。在这些研究中缺乏连续的地面实况注释限制了应用结论的价值,其中回归是主要的选择方法。在手术器械姿态估计的应用中,精确度对患者结果有直接的临床影响,研究\emph{noisy annotations}对深度学习姿态估计技术的影响至关重要。由于无法获得地面实况注释,因此真实X射线图像不足以进行该评价。我们规避这个问题,通过生成合成的射线照片,其中地面真实姿态是已知的,因此可以从实验中估计由医学专家的姿态估计误差。此外,该研究显示了深度神经网络在回归设置中从具有足够数据的噪声注释中学习主导信号的特性。
2018-06-20 cs.CV
Enhancing Sample Utilization in Noise-Robust Deep Metric Learning With Subgroup-Based Positive-Pair Selection
University of Chinese Academy of Sciences(中国科学院大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所)
针对深度度量学习中噪声标签导致样本浪费的问题,提出基于子组的正对选择(SGPS)框架,通过识别干净样本并为噪声样本构建可靠正对,增强样本利用,在多个数据集上超越现有方法。
2025-01-19 cs.CV
Is your noise correction noisy? PLS: Robustness to label noise with two stage detection
Dublin City University(都柏林城市大学);Insight SFI Centre for Data Analytics(Insight SFI数据分析中心)
设计能够在来自网络的未经策划的数据集上训练准确的神经网络的鲁棒算法一直是许多研究的主题,因为它减少了对耗时的人力劳动的需求。许多以前的研究成果的重点一直是对不同类型的标签噪声的检测,然而,本文提出了提高校正精度的噪声样本,一旦他们被检测到。在许多国家的最先进的贡献,采用两个阶段的方法,其中检测的噪声样本之前猜测一个正确的伪标签在半监督的方式。然后在监督目标中使用猜测的伪标签,而不确保标签猜测可能是正确的。这可能导致确认偏差,从而降低噪声鲁棒性。在这里,我们提出了伪损失,一个简单的度量,我们发现是强相关的伪标签的正确性在嘈杂的样本。使用伪损失,我们在整个训练过程中动态降低置信度不足的伪标签的权重,以避免确认偏差并提高网络准确性。我们还建议使用置信度引导的对比目标,该目标在置信度校正样本的类界(监督)和置信度不足的标签校正的无监督表示之间的插值目标上学习鲁棒表示。实验证明了我们的伪损失选择(PLS)算法在各种基准数据集上的最新性能,包括被分布内和分布外噪声综合破坏的策划数据,以及两个真实世界的网络噪声数据集。我们的实验是完全可重复的github.com/PaulAlbert31/SNCF
2022-10-15 cs.CV cs.LG
Learning from Noisy Labels with Deep Neural Networks: A Survey
NAVER AI Lab(NAVER人工智能实验室);Korea Advanced Institute of Science and Technology(韩国科学技术院)
在大量大数据的帮助下,深度学习在许多领域取得了显著的成功。然而,数据标签的质量是一个问题,因为在许多现实场景中缺乏高质量的标签。由于噪声标签严重降低了深度神经网络的泛化性能,从噪声标签中学习(鲁棒训练)正在成为现代深度学习应用中的重要任务。在本调查中,我们首先从监督学习的角度描述了带有标签噪声的学习问题。接下来,我们对62种最先进的鲁棒训练方法进行了全面的回顾,所有这些方法都根据其方法学差异分为五组,然后对用于评估其优越性的六个属性进行了系统比较。随后,我们对噪声率估计进行了深入的分析,并总结了通常使用的评估方法,包括公共噪声数据集和评估指标。最后,我们提出了几个有前途的研究方向,可以作为未来研究的指导方针。所有的内容都可以在https://github.com/songhwanjun/Awesome-Noisy-Labels上找到。
2022-03-10 cs.CV cs.LG stat.ML
Alleviating Noisy Data in Image Captioning with Cooperative Distillation
图像描述系统已经取得了实质性的进展,这主要归功于像Microsoft COCO或Vizwiz这样的精选数据集的可用性,这些数据集具有对其相应图像的准确描述。不幸的是,这种干净标记的数据的稀缺性导致训练算法产生的标题可以是简洁的,并且特定于图像中的细节。我们提出了一种新技术,合作蒸馏,它将干净的策划数据集与Google概念标题数据集(GCC)的网络规模自动提取的标题相结合,该数据集可能对图像的描述很差,但大小丰富,因此提供了丰富的词汇表,从而产生更具表现力的标题。
2020-12-21 cs.CV cs.LG
Facial Expression Recognition from World Wild Web
University of Denver(丹佛大学)
在计算机视觉中,识别野生环境中的面部表情一直是一项具有挑战性的任务。万维网是一个很好的面部图像来源,其中大多数是在不受控制的条件下捕获的。事实上,互联网是一个由带有表情的面部图像组成的单词野生网络。本文介绍了一项新的研究结果收集,注释和分析野生面部表情从网络。三个搜索引擎查询使用1250情感相关的关键字在六种不同的语言和检索到的图像被映射到六个基本的表达式和中性的两个注释器。在三种不同的训练场景中使用深度神经网络和噪声建模,以确定在使用查询术语(例如,快乐的脸,笑的人等)从网络收集的噪声图像上训练时,面部表情的识别准确度如何?我们的实验结果表明,深度神经网络可以识别野生面部表情,准确率为82.12%。
2017-01-05 cs.CV cs.NE
Deep Motion Blur Removal Using Noisy/Blurry Image Pairs
University of Notre Dame(圣母大学)
从模糊图像中去除空间变化的运动模糊是一个具有挑战性的问题,因为模糊源是复杂的,难以准确建模。深度神经网络的最新进展表明,可以有效地执行无核单图像去模糊,但关于去模糊性能的问题仍然存在。因此,我们建议通过融合一对在突发中捕获的噪声/模糊图像来恢复清晰的图像。两个神经网络结构,DeflurRNN和DeflurMerger,提出了利用图像的顺序方式或并行方式。为了提高训练,利用梯度损失,对抗性损失和频谱归一化。基于基准数据集GOPRO合成由噪声/模糊图像对和相应的地面真实锐利图像组成的训练数据集。我们在各种合成数据集和真实图像对上评估了经过训练的网络。结果表明,所提出的方法优于国家的最先进的定性和定量。
2019-11-25 cs.CV eess.IV
Learning Deep Networks from Noisy Labels with Dropout Regularization
Wayne State University(韦恩州立大学)
大型数据集通常具有不可靠的标签-例如从亚马逊的Mechanical Turk或社交媒体平台获得的标签-并且在错误标记的数据集上训练的分类器通常表现出较差的性能。我们提出了一种简单有效的技术,用于在训练深度神经网络时考虑标签噪声。我们使用softmax层来增强标准深度网络,该层对标签噪声统计进行建模。然后,我们通过端到端的随机梯度下降在(可能是错误标记的)数据集上联合训练深度网络和噪声模型。增强模型是超定的,因此为了鼓励学习非平凡的噪声模型,我们在训练期间对噪声模型的权重应用dropout正则化。在CIFAR-10和MNIST数据集的噪声版本上的数值实验表明,所提出的dropout技术优于最先进的方法。
2017-05-09 cs.CV cs.LG stat.ML
Confidence Adaptive Regularization for Deep Learning with Noisy Labels
McMaster University(麦克马斯特大学)
最近关于深度神经网络对噪声标签的记忆效果的研究表明,网络首先拟合正确标记的训练样本,然后再记忆错误标记的样本。受这种早期学习现象的启发,我们提出了一种新的方法来防止记忆错误标记的样本。与现有的方法,使用模型输出来识别或忽略错误标记的样本,我们引入了一个指标分支到原始模型,使模型能够产生每个样本的置信度值。置信度值被纳入我们的损失函数,该函数被学习为将大置信度值分配给正确标记的样本,将小置信度值分配给错误标记的样本。我们还提出了一个辅助正则化项,以进一步提高模型的鲁棒性。为了提高性能,我们逐渐纠正噪声标签与一个精心设计的目标估计策略。我们提供了理论分析,并在合成和真实世界的数据集上进行实验,证明我们的方法取得了与最先进的方法相当的结果。
2021-09-05 cs.CV cs.LG
Extending Stein's unbiased risk estimator to train deep denoisers with correlated pairs of noisy images
Ulsan National Institute of Science and Technology (UNIST)(蔚山科学技术院(UNIST))
最近,Stein的无偏风险估计器(SURE)已被应用于深度神经网络高斯去噪器的无监督训练,其性能优于经典的基于非深度学习的去噪器,并与使用地面实况训练的去噪器的性能相当。虽然SURE仅需要每个图像一个噪声实现用于训练,但是当每个图像具有多个噪声实现可用时,它不利用它们(例如,对于Noise2Noise,每个图像两个不相关的噪声实现)。在这里,我们提出了一个扩展的SURE(eSURE),训练深度去噪器,每个图像的噪声实现的相关对,并将其应用于每个图像的两个不相关的实现的情况下,以实现更好的性能比基于SURE的方法和可比的结果Noise2Noise。然后,我们进一步研究了具有不完美地面真实的情况(即,地面实况中的轻微噪声),考虑到收集具有多个噪声图像的地面实况图像的艰苦、耗时甚至昂贵的过程,可以获得这些噪声。对于通过将合成噪声添加到不完美的地面真值以产生相关图像对来生成噪声训练数据的情况,我们提出的基于eSURE的训练方法优于传统的基于SURE的方法以及Noise2Noise。
2019-09-06 cs.CV cs.LG
Robust Temporal Ensembling for Learning with Noisy Labels
NVIDIA(英伟达)
成功训练带有噪声标签的深度神经网络是一项基本功能,因为大多数真实世界的数据集都包含一些错误标记的数据。如果不加以抑制,标签噪声会严重降低典型的监督学习方法的性能。在本文中,我们提出了鲁棒时间集成(RTE),它结合了鲁棒损失与半监督正则化方法,以实现噪声鲁棒学习。我们证明了RTE在CIFAR-10,CIFAR-100,ImageNet,WebVision和Food-101 N数据集上实现了最先进的性能,同时放弃了最近的标签过滤和/或固定趋势。最后,我们表明,RTE还保留了竞争腐败鲁棒性不可预见的输入噪声使用CIFAR-10-C,获得平均腐败误差(mCE)的13.50%,即使在80%的噪声比的存在下,与26.9%mCE与标准方法的干净数据。
2021-09-29 cs.CV cs.LG
Learning to Learn from Noisy Labeled Data
National University of Singapore(新加坡国立大学);University of Minnesota(明尼苏达大学)
尽管深度神经网络(DNN)在图像分类任务中取得了成功,但人类水平的性能依赖于具有高质量手动注释的大量训练数据,这些数据收集起来既昂贵又耗时。网络上存在许多廉价的数据源,但它们往往包含不准确的标签。在有噪声的标记数据集上训练会导致性能下降,因为DNN很容易过拟合标签噪声。为了克服这个问题,我们提出了一个噪声容忍的训练算法,其中元学习更新之前,传统的梯度更新。所提出的元学习方法通过生成合成噪声标签来模拟实际训练,并且训练模型,使得在使用每组合成噪声标签进行一次梯度更新之后,模型不会过拟合到特定噪声。我们在嘈杂的CIFAR-10数据集和Clothing 1 M数据集上进行了大量的实验。结果表明,所提出的方法相比,几个国家的最先进的基线的优越性能。
2019-04-12 cs.CV cs.LG stat.ML
Watching, Reasoning, and Searching: A Video Deep Research Benchmark on Open Web for Agentic Video Reasoning
LZU(兰州大学);HKUST(GZ)(香港科技大学(广州));UBC(不列颠哥伦比亚大学);FDU(福建大学);PKU(北京大学);USC(美国南加州大学);NUS(新加坡国立大学);UCAS(中国科学院大学);HKUST(香港科技大学);QuantaAlpha(量子Alpha)
本文提出VideoDR基准,用于研究开放网络环境下视频代理推理,通过跨帧视觉锚点提取、交互式网络检索和多跳推理验证,揭示了长检索链中维持初始视频锚点、目标漂移和长时程一致性等关键挑战。
2026-05-18 cs.AI cs.CV