ノイズラベル学習では、ノイズラベルの影響を最小限に抑えるため、高品質なサンプルを抽出して学習に活用することが重要である。本手法は、特徴空間とロス空間の両方の情報を活用してサンプルを選別し、さらにメタ学習を用いて半ハードサンプルを抽出することで、ロバストなネットワークの学習を実現する。
ピア分類器間の予測確率の一致度を利用して、ノイズラベルとクリーンラベルのサンプルを効果的に選別する新しい手法を提案する。
