Perte de divergence de Jensen-Shannon généralisée pour l'apprentissage avec des étiquettes bruitées

Les travaux antérieurs ont montré qu’il est avantageux de combiner des fonctions de perte robustes au bruit, telles que l’erreur absolue moyenne (MAE), avec des fonctions de perte catégoriques standards, comme la divergence de cross-entropie (CE), afin d’améliorer leur capacité d’apprentissage. Dans cette étude, nous proposons d’utiliser la divergence de Jensen-Shannon comme fonction de perte robuste au bruit, et nous démontrons qu’elle s’interpo le de manière intéressante entre la CE et la MAE, grâce à un paramètre de mélange contrôlable. En outre, nous faisons une observation cruciale : la CE présente une cohérence plus faible autour des points de données bruités. À partir de cette observation, nous adoptons une version généralisée de la divergence de Jensen-Shannon pour plusieurs distributions, afin d’encourager la cohérence autour des points de données. En utilisant cette fonction de perte, nous obtenons des résultats de pointe sur des données synthétiques (CIFAR) et des données du monde réel (par exemple, WebVision), avec des taux de bruit variables.