Label Smoothing is een regularisatietechniek die de hardheid van labels verzacht door incorrecte klassen kleine waarschijnlijkheden toe te kennen. In plaats van een label van 1 voor de juiste klasse en 0 voor anderen, gebruik je bijvoorbeeld 0.9 en 0.05.

Dit helpt overfitting voorkomen en verbetert de generalisatie, vooral bij classificatieproblemen met veel klassen. Het maakt het model minder zeker van zijn voorspellingen, wat voorzichtiger en beter gebalanceerd gedrag oplevert.