BriefGPT - AI 论文速递
·
Enhanced Sample Selection and Confidence Tracking: Identifying Correctly Labeled but Hard-to-Learn Samples in Noisy Data
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新样本选择方法，针对噪声标签下的图像分类，能够有效识别正确标记的困难样本。通过跟踪模型预测置信度的变化，提高了样本选择的精度和召回率，实验结果表明该方法显著提升了噪声标签学习的性能。
🎯
关键要点
-
本研究提出了一种新样本选择方法，针对噪声标签下的图像分类。
-
该方法能够有效识别正确标记的困难样本。
-
通过跟踪模型预测置信度的变化，提高样本选择的精度和召回率。
-
实验结果表明，该方法显著提升了噪声标签学习的性能。
➡️
