ECCV 2024｜SED：带噪声标签的自适应平衡学习

文章预览

深度神经网络（DNNs）凭借其强大的能力，在图像分类、目标检测、语义分割等任务中取得了显著进展。然而，DNNs 的成功依赖于大规模、高质量的人工标注数据集，如 ImageNet (1) 。与此同时，获取这些数据集不仅耗时费力，且成本高昂，尤其是需要专业知识的任务（如自动驾驶 (2) 和医学图像分析 (3) ）。为了降低成本，研究者们转向众包平台 (4) 和网络图像搜索引擎 (5) 来获取标签数据，但这些方法通常会导致不可避免的噪声标签问题，从而影响模型的泛化性能 (6) 。因此，如何在带噪声标签的数据上进行有效学习，成为了当前深度学习领域的一大挑战。 为了应对这一挑战，地平线与合作伙伴在 ECCV 2024 上提出了一种全新的方法—— SED（Self-adaptivE and class-balanceD learning） ：带噪声标签的自适应平衡学习。SED 方法无需依赖数据集相关的先验知识，通 ………………………………