抗伪标签噪声
通过从易到难的课程学习和师生协作，在无源域自适应中有效抑制噪声标签的干扰。
田清 · Junyu, Shen · Lulu, Kang · 欧卫华 · 万军 · 雷震
IEEE Transactions on Circuits and Systems for Video Technology 2025
采用课程学习策略，从易到难训练模型，避免在训练初期被高噪声样本干扰，从而提升模型对伪标签噪声的鲁棒性。
与直接过滤噪声标签的方法不同，本方法通过渐进学习保留所有样本，避免丢弃困难样本中的有用信息，从而防止性能下降。
方法只利用训练好的源模型，不需要访问源域数据，契合隐私保护场景，降低了数据使用限制。
分两阶段训练：先由教师模型指导学生，再由学生独立学习，这种协作机制有助于稳定训练过程并提升最终性能。