摘要
一种用于标签噪声图像处理的卷积神经网络训练方法、电子设备及存储介质,属于标签噪声图像处理技术领域。为提升训练过程的稳定性和改善标签噪声过滤性能,本发明引入了时间平均神经网络,生成更为稳定的样本权重,提升训练过程的稳定性和改善标签噪声过滤性能。针对识别出的噪声数据集,本发明利用时间平均神经网络进行标签修正,由于解耦了深度神经网络和标签噪声修正部分的相互影响,从而提升了标签噪声修正方法的稳定性。整体而言,本发明有效提升了模型在带有噪声标签数据上的鲁棒性和泛化能力。与传统方法相比,本发明在处理标签噪声问题时,表现出显著的优越性。
技术关键词
噪声数据
卷积神经网络参数
噪声图像处理技术
表达式
噪声标签
卷积神经网络训练
矩阵
初始化方法
电子设备
深度神经网络
噪声样本
策略更新
系统为您推荐了相关专利信息
安全监控方法
燃气管
ARIMA模型
历史运行数据
K均值聚类算法
数据处理子系统
蒸馏
等效电路模型
电化学工作站
监测子系统
生成方法
多模态
场地污染修复技术
文档特征提取
非暂态计算机可读存储介质