含噪标签下鲁棒分类
针对高光谱图像分类中的标签噪声，选择性松弛对比学习通过将低置信度样本聚合为超类并利用高置信度样本构建可靠对比对，在多个基准数据集上显著优于现有方法。
Jie, Wang · Ziang, Niu · 王政 · Liaoyuan, Tang · Bo, Yan · 王榕 · 聂飞平
Pattern Recognition 2026
不再丢弃标签错误的样本，而是将它们聚合到超类中，充分利用信息性数据。
通过选择松弛对比模块将低置信度噪声样本纳入超类，增强其与正确类别的关联，减少噪声诱导错误。
在多个基准数据集上显著优于现有方法，通过有效重利用噪声样本和提升模型效果实现。