关键词unreliable partial label learning
搜索结果 - 2
- 不可靠局部标签学习的鲁棒表示学习
利用不可靠偏标签强健对比学习方法增强模型对不可靠偏标签的鲁棒性,并结合基于 KNN 的候选标签集校正以及基于一致性正则化的标签消歧来提高标签质量和增强 URRL 框架中的表示学习能力。实验证明该方法在不同数据集上的性能超过了现有方法,并从期 - 基于递归分离的不可靠部分标签学习
针对部分标签学习中标签可能不可靠的情况,提出了一种名为 UPLLRS 的两阶段框架,其中自适应递归分离策略用于训练数据分成可靠和不可靠子集,消除不可靠的标签后在可靠子集上进行半监督学习。该方法在实验结果方面表现出最先进的性能,特别适用于高度