图注意力样本选择器

解决噪声标签

利用图注意力网络无偏划分数据集，并配合自适应标签优化与类平衡伪标签，提升类别不平衡下模型的训练可靠性。

Yuan, Wang · Yakun, Chang · 秦莹 · 赵耀 · 韦世奎

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

选择无偏

利用小规模干净验证集分析训练集的内在关系，避免样本选择偏差。

标签更可靠

自适应融合网络预测与给定标签，减轻误识别对干净子集的影响。

应用场景

• 视觉识别：在大规模图像分类任务中筛选出干净样本并生成可靠伪标签，提升模型在不平衡噪声数据上的识别精度。
• 数据清洗：自动划分干净与噪声样本并提供标签优化，替代人工清洗，节省数据清洗成本。
• 鲁棒学习：在同时存在噪声标签和类别不平衡的条件下训练更鲁棒的深度模型，减弱标签错误对训练的干扰。