基于深度学习的标签噪声学习算法综述

作者：伏博毅; 彭云聪; 蓝鑫; 秦小林

来源：计算机应用, 2023, 43(03): 674-684.

DOI：10.11772/j.issn.1001-9081.2022020198

• 标签噪声
• 半监督学习
• 监督学习
• 深度学习
• 损失函数

在深度学习领域中，大量正确标注的样本对于模型的训练和学习至关重要。然而，在实际的应用场景中，标注数据的成本很高，同时标注的样本质量会受人工标注的主观因素或工具技术的影响，在标注过程中无法避免标签噪声的产生。因此，现有的训练数据都存在一定的标签噪声，如何有效地训练带标签噪声的训练数据成为了研究的热点。围绕基于深度学习的标签噪声学习算法，首先详细阐述了标签噪声学习问题的来源、分类和影响；然后依照机器学习的不同要素分析了基于数据、损失函数、模型、训练方式的四种标签噪声学习策略；随后提供了各种应用场景下学习标签噪声问题的基础框架；最后，给出一些优化思路，并展望了标签噪声学习算法面临的挑战与未来的发展方向。

• 单位
  中国科学院大学; 中国科学院成都计算机应用研究所