Qu'est-ce que le lissage des étiquettes en classification d'images?

Lissage des étiquettes — c'est une technique de régularisation utilisée lors de l'entraînement de modèles de classification, y compris pour les images. Au lieu d'utiliser des étiquettes strictes (encodage one-hot), où la classe correcte a une étiquette de 1 et toutes les autres 0, le lissage des étiquettes adoucit légèrement ces étiquettes, attribuant à la classe correcte une valeur légèrement inférieure à 1, et aux autres une petite valeur non nulle.

Cela aide à:

• Rendre le modèle moins confiant dans ses prédictions, ce qui réduit le surapprentissage.
• Améliorer la capacité de généralisation du modèle.
• Éviter les problèmes avec les gradients en cas d'étiquettes trop confiantes.

Par exemple, avec smoothing=0.1 pour une classe parmi 5 étiquettes possibles, la classe correcte peut recevoir une étiquette de 0.9, et les autres 0.025.

Exemple:

Classe	Étiquette sans smoothing	Étiquette avec smoothing (0.1)
1	1	0.9
2	0	0.025
3	0	0.025
4	0	0.025
5	0	0.025