基于深度学习的标签噪声学习算法综述

来源：计算机应用杂志2023年第3期北京时间：

作者：伏博毅, 彭云聪, 蓝鑫, 秦小林

单位：1.中国科学院 成都计算机应用研究所，成都 610041；2.中国科学院大学 计算机科学与技术学院，北京 100049

摘要：在深度学习领域中，大量正确标注的样本对于模型的训练和学习至关重要。然而，在实际的应用场景中，标注数据的成本很高，同时标注的样本质量会受人工标注的主观因素或工具技术的影响，在标注过程中无法避免标签噪声的产生。因此，现有的训练数据都存在一定的标签噪声，如何有效地训练带标签噪声的训练数据成为了研究的热点。围绕基于深度学习的标签噪声学习算法，首先详细阐述了标签噪声学习问题的来源、分类和影响；然后依照机器学习的不同要素分析了基于数据、损失函数、模型、训练方式的四种标签噪声学习策略；随后提供了各种应用场景下学习标签噪声问题的基础框架；最后，给出一些优化思路，并展望了标签噪声学习算法面临的挑战与未来的发展方向。

关键词：标签噪声,半监督学习,监督学习,深度学习,损失函数

基金资助：全国科学院联盟合作项目（中国科学院成都分院-重庆市科学技术研究院）;中科院STS区域重点项目（A类）(KFJ-STS-QYZD-2021-21-001);四川省科技计划资助项目(2019ZDZX0006)