[发明专利]用于噪声标签的对抗训练系统和方法

权利要求书

1.一种对抗训练系统，包括：

存储器；和

被配置为执行存储在所述存储器上的指令的处理器，所述指令在由所述处理器执行时，使得所述处理器：

接收包括第一数据集标记的第一数据集；

接收包括第二数据集标记的第二数据集；

基于所述第一数据集标记训练第一机器学习模型；

向训练后的所述第一机器学习模型提供所述第二数据集以生成包括更新后的第二数据集标记的更新后的第二数据集，所述更新后的第二数据集通过使用训练后的所述第一机器学习模型对所述第二数据集进行分类而生成；

确定所述更新后的第二数据集标记和所述第二数据集标记之间的第一差；

如果所述第一差大于第一阈值，则基于所述更新后的第二数据集标记训练第二机器学习模型；

向训练后的所述第二机器学习模型提供所述第一数据集以生成包括更新后的第一数据集标记的更新后的第一数据集，所述更新后的第一数据集通过使用训练后的所述第二机器学习模型对所述第一数据集进行分类而生成；

确定所述更新后的第一数据集标记和所述第一数据集标记之间的第二差；并且

如果所述第二差大于第二阈值，则基于所述更新后的第一数据集标记训练所述第一机器学习模型。

2.根据权利要求1所述的对抗训练系统，其中所述指令进一步使得所述处理器继续：

训练所述第一机器学习模型和所述第二机器学习模型，直到所述第一差低于所述第一阈值并且所述第二差低于所述第二阈值。

3.根据权利要求2所述的对抗训练系统，其中所述第一阈值和所述第二阈值中的一个等于零，其中所述第一阈值与所述第二阈值不同。

4.根据权利要求1所述的对抗训练系统，其中所述指令进一步使得所述处理器继续训练所述第一机器学习模型和所述第二机器学习模型，直到所述第一机器学习模型和所述第二机器学习模型两者在应用于所述更新后的第二数据集和所述更新后的第一数据集时，产生相同的数据集标记结果。

5.根据权利要求1所述的对抗训练系统，其中所述更新后的第一数据集通过更新在将训练后的所述第二机器学习模型应用于所述第一数据集之后来自所述第一数据集的数据的已经翻转到新类的数据样本标签而生成。

6.根据权利要求1所述的对抗训练系统，其中所述更新后的第一数据集标记与所述第一数据集标记不同。

7.根据权利要求6所述的对抗训练系统，其中所述第一数据集由现场人类检查员根据所述更新后的第二数据集标记重新标记以生成所述更新后的第一数据集。

8.根据权利要求1所述的对抗训练系统，其中所述第一机器学习模型和所述第二机器学习模型是分类算法。

9.根据权利要求1所述的对抗训练系统，其中所述更新后的第二数据集通过更新在将训练后的所述第一机器学习模型应用于所述第二数据集之后来自所述第二数据集的数据的已经翻转到新类的数据样本标签而生成。

10.根据权利要求1所述的对抗训练系统，其中所述第一数据集由现场人类检查员分类或标记。

11.一种对抗训练系统，包括：

存储器；和

被配置为执行存储在所述存储器上的指令的处理器，所述指令在由所述处理器执行时，使得所述处理器：

基于第一数据集的第一数据集标记训练第一机器学习模型；

向训练后的所述第一机器学习模型提供包括第二数据集标记的第二数据集，以生成包括更新后的第二数据集标记的更新后的第二数据集；

基于所述更新后的第二数据集标记训练第二机器学习模型；

向训练后的所述第二机器学习模型提供所述第一数据集以生成包括更新后的第一数据集标记的更新后的第一数据集；并且

基于所述更新后的第一数据集标记训练所述第一机器学习模型。