忆梦|如何减少噪声标签的影响?谷歌提出一种鲁棒深度学习方法( 二 )


忆梦|如何减少噪声标签的影响?谷歌提出一种鲁棒深度学习方法最后 , 研究人员提出了三个有关网络标签噪声的新发现:
1 深度神经网络可以更好地概括网络标签噪声
2 接受网络标签噪声训练后 , 深度神经网络可能不会先学习模式
3 当网络经过微调时 , ImageNet架构会在嘈杂的训练标签上进行概括
针对以上发现 , 作者对在噪声数据上训练深度神经网络提出了建议:
【忆梦|如何减少噪声标签的影响?谷歌提出一种鲁棒深度学习方法】
处理噪声标签的一种简单方法是微调在干净的数据集(如ImageNet)上预先训练的模型 。 预训练的模型越好 , 则可以更好地推广到下游的训练任务上 。

  • 第一作者蒋路现任谷歌高级科学家

这篇发表在ICML 2020上的论文的第一作者蒋路(Lu Jiang)目前是Google Research的资深研究科学家 。
蒋路(Lu Jiang)获得了卡内基梅隆大学获得了博士学位 。 他的研究领域是机器学习 , 计算机视觉和多媒体的跨学科领域 , 特别是强大的深度学习 , 视频理解和视觉+语言 。
忆梦|如何减少噪声标签的影响?谷歌提出一种鲁棒深度学习方法


推荐阅读