노이즈 라벨 정제를 위한 메타 소프트 라벨 교정기 학습

최근의 심층 신경망(DNN)은 노이즈가 있는 라벨을 가진 편향된 훈련 데이터에 쉽게 과적합할 수 있습니다. 라벨 교정 전략은 의심되는 노이즈 라벨을 식별한 후 수정하여 이 문제를 완화하는 데 일반적으로 사용됩니다. 손상된 라벨을 교정하는 현재의 접근 방식은 일반적으로 수동으로 정의된 라벨 교정 규칙이 필요하여, 문제에 따라 이러한 수동 전략의 큰 변동성 때문에 실제로 적용하기 어렵습니다. 이 문제를 해결하기 위해, 우리는 메타_러닝 모델을 제안하여 적은 양의 노이즈가 없는 메타 데이터의 지침에 따라 메타-그래디언트 강하 단계를 통해 소프트 라벨을 추정할 수 있는 자동 체계를 목표로 합니다. 라벨 교정 절차를 메타 프로세스로 보고, 메타_러너를 사용하여 자동으로 라벨을 수정함으로써, 우리 방법은 현재의 훈련 문제에 따라 점진적으로 수정된 소프트 라벨을 적응적으로 얻을 수 있습니다. 또한, 우리 방법은 모델에 구애받지 않으며, 노이즈가 있는 라벨 사례에 맞게 기존의 어떤 분류 모델과도 쉽게 결합할 수 있습니다. 포괄적인 실험은 현재의 최신 라벨 교정 전략에 비해 노이즈가 있는 라벨을 가진 합성 및 실제 문제에서 우리 방법의 우수성을 입증합니다.