Buchumschlag

When the Small-Loss Trick is Not Enough: Multi-Label Image Classification with Noisy Labels Applied to CCTV Sewer Inspections

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chelouche, Keryan, Lachaize, Marie, Bernard, Marine, Olgiati, Louise, Cuingnet, Remi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

When Accuracy Is Not Enough: Uncertainty Collapse between Noisy Label Learning and Out-of-Distribution Detection
von: Peng, Ningkang, et al.
Veröffentlicht: (2026)

AI-Based Culvert-Sewer Inspection
von: Thrainer, Christina
Veröffentlicht: (2026)

Joint Asymmetric Loss for Learning with Noisy Labels
von: Wang, Jialiang, et al.
Veröffentlicht: (2025)

Adaptive Label Correction for Robust Medical Image Segmentation with Noisy Labels
von: Qian, Chengxuan, et al.
Veröffentlicht: (2025)

Noisy Label Processing for Classification: A Survey
von: Li, Mengting, et al.
Veröffentlicht: (2024)

Multi-label Sewer Pipe Defect Recognition with Mask Attention Feature Enhancement and Label Correlation Learning
von: Zuo, Xin, et al.
Veröffentlicht: (2024)

Benchmarking Real-World Medical Image Classification with Noisy Labels: Challenges, Practice, and Outlook
von: Ma, Yuan, et al.
Veröffentlicht: (2025)

Category-wise Fine-Tuning: Resisting Incorrect Pseudo-Labels in Multi-Label Image Classification with Partial Labels
von: Chong, Chak Fong, et al.
Veröffentlicht: (2024)

Estimating Noisy Class Posterior with Part-level Labels for Noisy Label Learning
von: Zhao, Rui, et al.
Veröffentlicht: (2024)

Task-Agnostic Noisy Label Detection via Standardized Loss Aggregation
von: Park, Inhyuk, et al.
Veröffentlicht: (2026)

Noisy Label Refinement with Semantically Reliable Synthetic Images
von: Li, Yingxuan, et al.
Veröffentlicht: (2025)

Dynamic Loss Decay based Robust Oriented Object Detection on Remote Sensing Images with Noisy Labels
von: Liu, Guozhang, et al.
Veröffentlicht: (2024)

Unleashing the Potential of Open-set Noisy Samples Against Label Noise for Medical Image Classification
von: Liao, Zehui, et al.
Veröffentlicht: (2024)

HELM: Hierarchical and Explicit Label Modeling with Graph Learning for Multi-Label Image Classification
von: Stoimchev, Marjan, et al.
Veröffentlicht: (2026)

A Label Propagation Strategy for CutMix in Multi-Label Remote Sensing Image Classification
von: Burgert, Tom, et al.
Veröffentlicht: (2024)

Positive Label Is All You Need for Multi-Label Classification
von: Yuan, Zhixiang, et al.
Veröffentlicht: (2023)

Deep Self-Cleansing for Medical Image Segmentation with Noisy Labels
von: Dong, Jiahua, et al.
Veröffentlicht: (2024)

Noisy Label Classification using Label Noise Selection with Test-Time Augmentation Cross-Entropy and NoiseMix Learning
von: Lee, Hansang, et al.
Veröffentlicht: (2022)

Hierarchy-Consistent Learning and Adaptive Loss Balancing for Hierarchical Multi-Label Classification
von: Jiang, Ruobing, et al.
Veröffentlicht: (2025)

Graph Attention Transformer Network for Multi-Label Image Classification
von: Yuan, Jin, et al.
Veröffentlicht: (2022)

CLIPCleaner: Cleaning Noisy Labels with CLIP
von: Feng, Chen, et al.
Veröffentlicht: (2024)

Ordinal Adaptive Correction: A Data-Centric Approach to Ordinal Image Classification with Noisy Labels
von: Moghaddam, Alireza Sedighi, et al.
Veröffentlicht: (2025)

Good Enough: Is it Worth Improving your Label Quality?
von: Jaus, Alexander, et al.
Veröffentlicht: (2025)

Imbalanced Medical Image Segmentation with Pixel-dependent Noisy Labels
von: Guo, Erjian, et al.
Veröffentlicht: (2025)

Pseudo-labelling meets Label Smoothing for Noisy Partial Label Learning
von: Saravanan, Darshana, et al.
Veröffentlicht: (2024)

Task Specific Pretraining with Noisy Labels for Remote Sensing Image Segmentation
von: Liu, Chenying, et al.
Veröffentlicht: (2024)

MARC: Multi-Label Adaptive Retrieval Contrastive Loss for Remote Sensing Images
von: Amir, Amna, et al.
Veröffentlicht: (2025)

Active Negative Loss: A Robust Framework for Learning with Noisy Labels
von: Ye, Xichen, et al.
Veröffentlicht: (2024)

[CLS] is Not Enough: Multi-Label Recognition via Patch-Level Inference and Adaptive Aggregation
von: Wang, Akang, et al.
Veröffentlicht: (2026)

CDUL: CLIP-Driven Unsupervised Learning for Multi-Label Image Classification
von: Abdelfattah, Rabab, et al.
Veröffentlicht: (2023)

PLReMix: Combating Noisy Labels with Pseudo-Label Relaxed Contrastive Representation Learning
von: Liu, Xiaoyu, et al.
Veröffentlicht: (2024)

Semantic Labeling of Large-Area Geographic Regions Using Multi-View and Multi-Date Satellite Images and Noisy OSM Training Labels
von: Comandur, Bharath, et al.
Veröffentlicht: (2020)

RoNFA: Robust Neural Field-based Approach for Few-Shot Image Classification with Noisy Labels
von: Xiang, Nan, et al.
Veröffentlicht: (2025)

TAI++: Text as Image for Multi-Label Image Classification by Co-Learning Transferable Prompt
von: Wu, Xiangyu, et al.
Veröffentlicht: (2024)

Text-Region Matching for Multi-Label Image Recognition with Missing Labels
von: Ma, Leilei, et al.
Veröffentlicht: (2024)

Open Vocabulary Multi-Label Video Classification
von: Gupta, Rohit, et al.
Veröffentlicht: (2024)

Improving Arabic Multi-Label Emotion Classification using Stacked Embeddings and Hybrid Loss Function
von: Aslam, Muhammad Azeem, et al.
Veröffentlicht: (2024)

Federated Learning with Instance-Dependent Noisy Label
von: Wang, Lei, et al.
Veröffentlicht: (2023)

Foster Adaptivity and Balance in Learning with Noisy Labels
von: Sheng, Mengmeng, et al.
Veröffentlicht: (2024)

Towards Multi-Source Domain Generalization for Sleep Staging with Noisy Labels
von: Wang, Kening, et al.
Veröffentlicht: (2026)