Learning With Noisy Labels

学习带噪声标签的任务是指在训练数据中，部分标签被恶意篡改，导致原本来自干净分布的标签出现错误。该任务的目标是在这种不理想的数据条件下，设计和开发能够有效识别和纠正错误标签的算法，从而提高模型的鲁棒性和泛化能力。学习带噪声标签不仅在计算机视觉领域具有重要应用价值，还能广泛应用于其他机器学习任务，提升模型在现实世界中的适应性和可靠性。