초록
노이즈가 포함된 데이터에서 통제된 실험은 다양한 노이즈 수준에서 딥러닝의 이해에 필수적이다. 적절한 데이터셋의 부족으로 인해 이전 연구들은 주로 통제된 합성 레이블 노이즈에 대한 딥러닝 성능만 분석해왔으며, 실제 세계의 레이블 노이즈는 통제된 환경에서 연구된 바가 없다. 본 논문은 세 가지 기여를 한다. 첫째, 우리는 웹에서 유래한 최초의 통제 가능한 실제 세계 레이블 노이즈 벤치마크를 구축하였다. 이 새로운 벤치마크를 통해 우리는 처음으로 통제된 환경에서 웹 기반 레이블 노이즈를 체계적으로 연구할 수 있게 되었다. 둘째, 합성 노이즈와 실제 노이즈 둘 다를 효과적으로 극복할 수 있는 간단하면서도 강력한 방법을 제안한다. 제안한 방법은 본 연구에서 사용한 데이터셋뿐 아니라, 두 개의 공개 벤치마크(CIFAR 및 WebVision)에서도 최고의 성능을 달성함을 보여준다. 셋째, 다양한 노이즈 수준, 노이즈 유형, 네트워크 아키텍처, 학습 설정에서 노이즈 레이블로 훈련된 딥 신경망을 분석한迄今为止 가장 규모가 큰 연구를 수행하였다. 본 연구의 데이터와 코드는 다음 링크에서 공개된다: http://www.lujiang.info/cnlw.html