ترجمه فارسی مقاله یادگیری از برچسب‌های نویزی برای داده‌های دنباله‌دار از طریق انتقال بهینه

چکیده

Noisy labels, which are common in real-world datasets, can significantly impair the training of deep learning models. However, recent adversarial noise-combating methods overlook the long-tailed distribution of real data, which can significantly harm the effect of denoising strategies. Meanwhile, the mismanagement of noisy labels further compromises the model’s ability to handle long-tailed data. To tackle this issue, we propose a novel approach to manage data characterized by both long-tailed distributions and noisy labels. First, we introduce a loss-distance cross-selection module, which integrates class predictions and feature distributions to filter clean samples, effectively addressing uncertainties introduced by noisy labels and long-tailed distributions. Subsequently, we employ optimal transport strategies to generate pseudo-labels for the noise set in a semi-supervised training manner, enhancing pseudo-label quality while mitigating the effects of sample scarcity caused by the long-tailed distribution. We conduct experiments on both synthetic and real-world datasets, and the comprehensive experimental results demonstrate that our method surpasses current state-of-the-art methods. Our code will be available in the future.

چکیده به فارسی (ترجمه ماشینی)

برچسب های پر سر و صدا ، که در مجموعه داده های دنیای واقعی رایج هستند ، می توانند آموزش مدلهای یادگیری عمیق را به میزان قابل توجهی مختل کنند.با این حال ، روشهای اخیر در مورد سر و صدای مخالف از توزیع طولانی مدت داده های واقعی غافل می شوند ، که می تواند به تأثیر استراتژی های دفع آن آسیب برساند.در همین حال ، سوء مدیریت برچسب های پر سر و صدا بیشتر توانایی مدل را برای رسیدگی به داده های دم بلند به خطر می اندازد.برای مقابله با این مسئله ، ما یک رویکرد جدید برای مدیریت داده های مشخص شده توسط توزیع های دم بلند و برچسب های پر سر و صدا پیشنهاد می کنیم.اول ، ما یک ماژول انتخابی متقابل از دست رفته را معرفی می کنیم ، که پیش بینی های کلاس و توزیع ویژگی ها را برای فیلتر کردن نمونه های تمیز ادغام می کند ، به طور مؤثر به عدم قطعیت های معرفی شده توسط برچسب های پر سر و صدا و توزیع های طولانی مدت می پردازد.پس از آن ، ما از استراتژی های حمل و نقل بهینه برای تولید برچسب های شبه برای سر و صدای تنظیم شده به روش آموزش نیمه تحت نظارت استفاده می کنیم و در حالی که باعث کاهش اثرات کمبود نمونه ناشی از توزیع دم بلند می شود ، کیفیت شبه برچسب را افزایش می دهد.ما آزمایشاتی را در هر دو مجموعه داده مصنوعی و در دنیای واقعی انجام می دهیم ، و نتایج جامع تجربی نشان می دهد که روش ما از روشهای پیشرفته فعلی پیشی می گیرد.کد ما در آینده در دسترس خواهد بود.