#417
summarized by : Akihiro FUJII
Jo-SRC: A Contrastive Approach for Combating Noisy Labels

どんな論文か?

従来のノイズ対策は、ミニバッチごとに異なるノイズの比率を無視していた。そのため、対照学習を用いて、データ毎にClean, 分布内、分布外を3つにラベルづけし、Cleanのみを使って学習するJo-SRCを提案。様々な設定において、効果を確認した。
placeholder

新規性

まずデータを異なる拡張をした2つのデータにし、そのソフトマックス確率をみることでデータがcleanであるかを確かめる。cleanはそのまま学習に使われるが、clean以外の分布内(ID)と分布外(ODD)はMean-Teacherで再ラベルした後に学習に使われる

結果

実世界の問題に近い、CIFAR80N-Oデータセットで検証し、効果を確認した。

その他(なぜ通ったか?等)

https://github.com/NUST-Machine-Intelligence-Laboratory/Jo-SRC