noisy-label(常写作 noisy label / noisy-label):在数据标注或监督学习中,指含有错误、模糊、偏差或不一致的标签(label noise),会降低模型训练效果与评估可靠性。(也可泛指“噪声很大的标签信息”。)
/ˈnɔɪzi ˈleɪbəl/
The dataset has a noisy-label problem, so we need to clean the annotations.
这个数据集存在标签噪声问题,所以我们需要清理标注。
Models trained on noisy-label data may overfit incorrect patterns and perform poorly in real-world settings.
在含有噪声标签的数据上训练的模型,可能会对错误模式过拟合,从而在真实环境中表现不佳。
noisy 来自 “noise(噪声)”,表示“带有干扰/不纯净的信息”;label 指“标签/标注”。两者组合形成技术用语 noisy label,在机器学习与数据标注领域常用来描述“标签不可靠”这一类问题。