一种处理噪声标签的少样本学习方法,旨在提高模型在标签不准确情况下的学习能力。该方法利用少量标记样本进行训练,具备对标签噪声的鲁棒性,适用于图像分类等任务。
Few-shot learning with noisy labels的特点:
1. 对标签噪声的鲁棒性
2. 少样本学习能力
Few-shot learning with noisy labels的功能:
1. 使用少量标记样本训练模型
2. 应用于图像分类任务
相关推荐
暂无评论...
一种处理噪声标签的少样本学习方法,旨在提高模型在标签不准确情况下的学习能力。该方法利用少量标记样本进行训练,具备对标签噪声的鲁棒性,适用于图像分类等任务。
Few-shot learning with noisy labels的特点:
1. 对标签噪声的鲁棒性
2. 少样本学习能力
Few-shot learning with noisy labels的功能:
1. 使用少量标记样本训练模型
2. 应用于图像分类任务