通过将数据平滑与标签平滑耦合实现鲁棒分类
原文中文，约300字，阅读约需1分钟。发表于：。通过引入训练时增强技术来增强泛化能力和准备深度神经网络对测试时的错误。在图像损坏方面，借鉴生成扩散模型的成功，我们提出了一种新方法，将数据增强（通过图像加噪和模糊）与标签平滑结合起来，以使预测的标签置信度与图像退化相一致。该方法实施简单，引入的开销微乎其微，并可以与现有的增强技术相结合。我们在 CIFAR 和 TinyImageNet 数据集的损坏图像基准上证明了其改进的鲁棒性和不确定性量化能力。
该研究通过训练时增强技术提高深度神经网络的泛化能力和准确性。研究者提出了一种新方法，将数据增强与标签平滑相结合，以提高预测的标签置信度。该方法简单且开销微小，在CIFAR和TinyImageNet数据集上证明了其改进的鲁棒性和不确定性量化能力。
