銳度感知最小化

NCSAM

NCSAM：以噪聲補償的銳度感知最佳化提升含錯誤標註訓練的魯棒性

帶標註錯誤的資料是深度學習常見問題，會使訓練梯度偏移、導致模型過度記憶錯誤樣本並降低泛化。本文從理論面探討標註噪聲與損失地形平坦性之關係，指出既有的銳度感知最佳化（SAM）在噪聲情況下會遭遇更新偏差。