Accuracy (mean): 94.20
Papers with Code · CC BY-SA 4.0
Learning with noisy labels
Learning with noisy labels means When we say "noisy labels," we mean that an adversary has intentionally messed up the labels, which would have come from a "clean" distribution otherwise. This setting can also be used to cast learning from only positive and unlabeled data.
개요는 각 항목의 일부입니다. 위 탭에서 전체 기록을 페이지별로 탐색할 수 있습니다.
벤치마크
Papers with Code 아카이브의 데이터셋별 기록 예시입니다. 평가 조건과 지표 방향이 검증되지 않아 순위를 의미하지 않습니다.
Dataset기록된 모델 예시MetricPaperCode
데이터셋
20개논문
Accuracy (mean): 90.75
Accuracy (mean): 90.30
Accuracy (mean): 90.90
Accuracy (mean): 95.04
Test Accuracy: 95.9
Accuracy (mean): 94.88
Accuracy (mean): 91.42
Accuracy (mean): 96.21
Accuracy (mean): 95.31
Accuracy (mean): 90.37
라이브러리
Papers with Code 리더보드 row에 연결된 구현 저장소입니다.