【安防在线 www.anfang.cn】3月9日,上海交通大学研究者在论文《Learning from Web Data with Memory Module》中利用网络数据研究图像分类任务。
据了解,论文发现网络图片通常包含两种噪声,即标签噪声和背景噪声。前者是因为当使用类别名作为关键字来爬取网络图像时,在搜索结果中可能会出现不属于该类别的图片。后者则是因为网络图片的内容与来源非常多样,导致抓取的图片往往包含比标准的图像分类数据集更多的无关背景信息。这两种噪声给利用网络数据学习图像分类器带来了很多额外的困难,而现有的方法要么非常依赖于额外的监督信息,要么无法应对背景噪声。
论文中提出了一种不需要额外监督信息的方法来同时处理这两种类型的噪声,并在四个基准数据集上的实验证明了方法的有效性。本文已被CVPR2020接收。
该文观点仅代表作者,本站仅提供信息存储空间服务,转载请注明出处。若需了解详细的安防行业方案,或有其它建议反馈,欢迎联系我们。