祝贺实验室团队硕士生涂远鹏一篇论文” Learning with Noisy labels via Self-supervised Adversarial Noisy Masking” 被CVPR 2023录用。实验观察噪声与干净样本的激活图存在较大差异,因而我们提出了一种自监督噪声对抗掩码算法,基于标签质量估计的掩码策略可以针对性的对于不同样本进行自适应特征图及伪标签正则化,使得噪声样本的激活图重新关注于物体的中心区域。其具体结构如下所示:
![1677649853615](/__local/C/12/20/5DDD73F3D5B82090F6DFE99669B_A7EB45C9_F901.png)
实验在人造及real-world噪声上均达到SOTA水平,且作为一种即插即用的正则化策略,可与现有的带噪算法结合,提升性能。
![1677649874418](/__local/2/C2/27/6063CD89C6AFCA009EFE2A7565F_61E5CF23_107FF.png)