التعلم مع العلامات الضوضائية
التعلم مع التسميات الضوضائية يشير إلى المهمة التي يتم فيها تغيير بعض التسميات في بيانات التدريب بشكل خبيث، مما يؤدي إلى أخطاء في التسميات التي كانت في الأصل من توزيع نظيف. الهدف من هذه المهمة هو تصميم وتطوير خوارزميات قادرة على تحديد وتقويم هذه التسميات الخاطئة تحت ظروف البيانات غير المثلى، مما يعزز صلابة وقدرة التعميم للنموذج. التعلم مع التسميات الضوضائية ليس فقط له قيمة تطبيقية كبيرة في رؤية الحاسوب، بل يمكن تطبيقه أيضًا على مهام التعلم الآلي الأخرى بشكل واسع، مما يحسن قابلية التكيف ومصداقية النماذج في السيناريوهات الواقعية.
CIFAR-10N-Aggregate
CORES*
CIFAR-10N-Worst
ProMix
CIFAR-100N
PGDF
CIFAR-10N-Random1
CORES*
CIFAR-10N-Random2
CORES*
CIFAR-10N-Random3
PSSCL
ANIMAL
Jigsaw-ViT
Clothing1M
Knockoffs-SPR
Food-101
LongReMix
Red MiniImageNet 20% label noise
Red MiniImageNet 40% label noise
Red MiniImageNet 80% label noise
Red MiniImageNet 60% label noise
Chaoyang
HSANR
CIFAR-10
CIFAR-100
InstanceGM
CIFAR-10N
Clothing1M (using clean data)
ResNet50
COCO-WAN
Mask R-CNN (ResNet-50-FPN)
mini WebVision 1.0
ILL