29、自动编码器噪声标签检测与空域目标检测方法解析

自动编码器噪声标签检测与空域目标检测方法解析

1. 自动编码器噪声标签检测

在训练数据中，检测错误标记的样本是一个重要的问题。有一种方法利用卷积自动编码器进行降维和特征保留，来检测训练数据中错误标记的样本。

• 潜在空间与错误检测 ：利用潜在空间表示来检测错误的想法具有很大的应用潜力。例如，使用DBSCAN算法检测出的离群点更有可能是错误标记的样本。因为在潜在空间中，这些离群点与正常样本的分布差异较大，很可能是标签标注错误导致的。
• 高斯混合变分自动编码器（GMVAE）
  • 原理 ：GMVAE是变分自动编码器模型的一种变体，以高斯混合作为先验分布，旨在通过深度生成模型进行无监督聚类。假设潜在空间随机变量 $\vec{z}$ 在边缘化后是 $S$ 个高斯核的混合：
    • $y \sim p(y)$
    • $\vec{z}|y = s \sim N(\vec{\mu}_s, diag(\vec{\sigma}^2_s))$
    • 其中 $p(y)$ 是标签的先验分布，给定标签后 $\vec{z}$ 的条件分布服从均值为 $\vec{\mu} s$ 和对角协方差为 $diag(\vec{\sigma}_s)$ 的高斯分布。$\vec{z}$ 的分布可以表示为：$p(z) = \sum {s=1}^{S} p(z|y = s)p(y = s)$
  • 错误样本