WebVision

该数据集被用于在真实世界的标签噪声条件下训练和评估模型，同时它也用于展示CMD-P+MyLC方法与其他近期以标签噪声为研究方向的方法相比所取得的改进。该数据集涵盖了50个类别，任务聚焦于对抗标签噪声的鲁棒学习。

This dataset is utilized for training and evaluating models under real-world label noise conditions, and it also serves to demonstrate the improvements achieved by the CMD-P+MyLC method when compared with other recent label-noise-focused approaches. This dataset covers 50 categories, with the task focusing on robust learning against label noise.

搜集汇总

背景与挑战

背景概述

WebVision 1.0 是一个大规模网络图像数据集，旨在促进从噪声网络数据中学习视觉表示的研究，减少对人工标注的依赖。它包含超过240万张图像，覆盖1000个类别，并提供文本元信息和验证集，基准测试表明其学习到的表示在视觉任务中与人工标注数据集性能相当，适用于弱监督学习、迁移学习和数据集偏差研究。