基于特征空间重整化的师生架构含噪声标签图像分类方法

摘要

基于特征空间重整化的师生架构含噪声标签图像分类方法，属于噪声标签学习及图像分类领域。深度学习的成功主要取决于大规模标记数据集。由于大多数数据集都是人工标注的，很难保证标注的准确性。因此，在现实世界的数据集中，噪声标签是不可避免的。由于深度神经网络强大的学习能力，很容易过度拟合噪声标签，导致模型性能下降。为了解决这个问题，我们提出了一种基于特征空间重整化的师生结构，用于噪声标签的学习。我们训练了一个教师模型来为学生模型修正噪声标签。应用特征空间重整化机制指导学生模型进行自学习，使其学习到更多有意义的信息。我们在三个基准数据集上评估了我们的方法。实验结果验证了我们提出架构的有效性。