图像数据集噪声对卷积网络分类的影响

• 作者: 帅立国 张雨露 韦韬
• 来源期刊: 东南大学学报（英文版）
• 学科: 工学
• 关键词: 图像识别 数据集噪声 深度卷积网络 跨类噪声筛选
• 年，卷（期）: 2019,（1）
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP391.4
• 字数: 461字
• 语种: 英文
• DOI: 10.3969/j.issn.1003-7985.2019.01.008

摘要

为了评估数据集噪声的影响,引入了NIN(network in network)模型,研究了不同类型和比例的噪声对深度卷积模型的负面影响.将不同种类和比例的数据噪声加入基准数据集Cifar-10和Cifar-100,然后使用这些包含噪声的数据来训练深度卷积模型,并对验证数据集进行分类.实验结果表明,数据集中的噪声对深度卷积网络分类模型确实有明显的不利影响.其中,随机噪声的不利影响很小,但是类别之间的跨类噪声却显著地降低了模型的识别能力.因此,提出了一种解决方案用来改进混入单类别噪声的数据集质量,即用含有噪声的数据集训练的模型评价当前训练数据,并将异常的类别重新归类以形成新的数据集.经过多轮迭代训练,可以大大降低其噪声比率,从而可以有效避免交叉类别噪声的影响.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	帅立国	东南大学机械工程学院	50	316	10.0	15.0
2	韦韬	东南大学机械工程学院	1	0	0.0	0.0
3	张雨露	东南大学机械工程学院	1	0	0.0	0.0