嘈杂的标签学习
A curated list of most recent works in Learning with Noisy Labels
内容
论文和代码（2021）
此回购专注于2019年之后的论文，有关以前的作品，请参阅（ ）。
国际学习代表大会（ICLR 2021）
会议日期：2021年5月3日-2021年5月7日
优化时-标签噪声会导致发散性很强。
使用实例相关的标签噪声进行学习：一种示例筛方法。
噪音与噪音：随机标签噪音有助于对抗固有标签噪音。
学习与特征相关的标签噪声：一种渐进的方法。
健壮的早期学习：妨碍记住嘈杂的标签。
健壮的课程学习：从干净的标签检测到嘈杂的标签自我校正。 [纸]
混合如何帮助鲁棒性和泛化？ [纸]
对未标记数据进行深度网络自训练的理论分析。 [纸]
IEEE计算机视觉和模式识别会议（CVPR 2021）-更新
