一种基于可信度估计单元的图像分类噪声抑制深度学习策略

• 作者: 戴琼海 邵航 郭雨晨 黄海亮
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 深度学习 图像分类 噪声抑制
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 1969-1975
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.10.014

摘要

近年来,深度学习越来越关注噪声抑制的研究.本文提出了一种噪声抑制深度学习策略,该策略通过构建噪声无感网络(Noise Unaware Network,NUN)和可信度估计单元(Reliability Estimation Gate,REG)来处理训练数据含有噪声的情况.通过对每个样本的可信度进行评估,调节其在训练时的权重,从而降低标签噪声对网络训练的影响.随着模型的迭代更新,标签可信数据的权重将会逐渐变大,而噪声数据的权重将会被抑制.本文通过在多个标注数据集上的实验验证了所提出的噪声抑制深度学习策略的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	戴琼海		106	1343	16.0	34.0
2	邵航		1	0	0.0	0.0
3	黄海亮		1	0	0.0	0.0
4	郭雨晨		1	0	0.0	0.0