Buchumschlag

Mitigating Instance-Dependent Label Noise: Integrating Self-Supervised Pretraining with Pseudo-Label Refinement

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Bala, Gouranga, Gupta, Anuj, Behera, Subrat Kumar, Sethi, Amit
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

Network Inversion for Uncertainty-Aware Out-of-Distribution Detection
von: Suhail, Pirzada, et al.
Veröffentlicht: (2025)

Mitigating Instance Entanglement in Instance-Dependent Partial Label Learning
von: Zhao, Rui, et al.
Veröffentlicht: (2026)

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

Self-Supervised Pretraining on Satellite Imagery: a Case Study on Label-Efficient Vehicle Detection
von: BOURCIER, Jules, et al.
Veröffentlicht: (2022)

Smooth Pseudo-Labeling
von: Karaliolios, Nikolaos, et al.
Veröffentlicht: (2024)

Synergy-Guided Regional Supervision of Pseudo Labels for Semi-Supervised Medical Image Segmentation
von: Wang, Tao, et al.
Veröffentlicht: (2024)

PLESS: Pseudo-Label Enhancement with Spreading Scribbles for Weakly Supervised Segmentation
von: Gabrielyan, Yeva, et al.
Veröffentlicht: (2026)

Active Label Refinement for Robust Training of Imbalanced Medical Image Classification Tasks in the Presence of High Label Noise
von: Khanal, Bidur, et al.
Veröffentlicht: (2024)

Pseudo-label Refinement for Improving Self-Supervised Learning Systems
von: Zia-ur-Rehman, et al.
Veröffentlicht: (2024)

Mitigating Noisy Supervision Using Synthetic Samples with Soft Labels
von: Lu, Yangdi, et al.
Veröffentlicht: (2024)

FinePseudo: Improving Pseudo-Labelling through Temporal-Alignablity for Semi-Supervised Fine-Grained Action Recognition
von: Dave, Ishan Rajendrakumar, et al.
Veröffentlicht: (2024)

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

$ε$-Softmax: Approximating One-Hot Vectors for Mitigating Label Noise
von: Wang, Jialiang, et al.
Veröffentlicht: (2025)

Mix, Align, Distil: Reliable Cross-Domain Atypical Mitosis Classification
von: Atey, Kaustubh, et al.
Veröffentlicht: (2025)

Enhancing Weakly-Supervised Histopathology Image Segmentation with Knowledge Distillation on MIL-Based Pseudo-Labels
von: He, Yinsheng, et al.
Veröffentlicht: (2024)

Cooperative Pseudo Labeling for Unsupervised Federated Classification
von: Guo, Kuangpu, et al.
Veröffentlicht: (2025)

Understanding and Mitigating the Label Noise in Pre-training on Downstream Tasks
von: Chen, Hao, et al.
Veröffentlicht: (2023)

Expectation Maximization Pseudo Labels
von: Xu, Moucheng, et al.
Veröffentlicht: (2023)

Semi-Supervised Variational Adversarial Active Learning via Learning to Rank and Agreement-Based Pseudo Labeling
von: Lyu, Zongyao, et al.
Veröffentlicht: (2024)

Coordinated Sparse Recovery of Label Noise
von: Yang, Yukun, et al.
Veröffentlicht: (2024)

Understanding and Mitigating Human-Labelling Errors in Supervised Contrastive Learning
von: Long, Zijun, et al.
Veröffentlicht: (2024)

Self-Supervised Learning with Probabilistic Density Labeling for Rainfall Probability Estimation
von: Lee, Junha, et al.
Veröffentlicht: (2024)

Why Fine-grained Labels in Pretraining Benefit Generalization?
von: Hong, Guan Zhe, et al.
Veröffentlicht: (2024)

MILD: Modeling the Instance Learning Dynamics for Learning with Noisy Labels
von: Hu, Chuanyang, et al.
Veröffentlicht: (2023)

SelfFed: Self-Supervised Federated Learning for Data Heterogeneity and Label Scarcity in Medical Images
von: Khowaja, Sunder Ali, et al.
Veröffentlicht: (2023)

NegRefine: Refining Negative Label-Based Zero-Shot OOD Detection
von: Ansari, Amirhossein, et al.
Veröffentlicht: (2025)

OwMatch: Conditional Self-Labeling with Consistency for Open-World Semi-Supervised Learning
von: Niu, Shengjie, et al.
Veröffentlicht: (2024)

Analysis of Pseudo-Labeling for Online Source-Free Universal Domain Adaptation
von: Schlachter, Pascal, et al.
Veröffentlicht: (2025)

Pseudo-Label Quality Decoupling and Correction for Semi-Supervised Instance Segmentation
von: Lin, Jianghang, et al.
Veröffentlicht: (2025)

TABNet: A Triplet Augmentation Self-Recovery Framework with Boundary-Aware Pseudo-Labels for Medical Image Segmentation
von: Zhang, Peilin, et al.
Veröffentlicht: (2025)

Negative Label Guided OOD Detection with Pretrained Vision-Language Models
von: Jiang, Xue, et al.
Veröffentlicht: (2024)

Where Did Your Model Learn That? Label-free Influence for Self-supervised Learning
von: Harilal, Nidhin, et al.
Veröffentlicht: (2024)

Self-Supervised Pretraining for Aerial Road Extraction
von: Polley, Rupert, et al.
Veröffentlicht: (2025)

BiPrompt: Bilateral Prompt Optimization for Visual and Textual Debiasing in Vision-Language Models
von: Gupta, Sunny, et al.
Veröffentlicht: (2026)

Network Inversion of Convolutional Neural Nets
von: Suhail, Pirzada, et al.
Veröffentlicht: (2024)

Label-Efficient School Detection from Aerial Imagery via Weakly Supervised Pretraining and Fine-Tuning
von: Elmimouni, Zakarya, et al.
Veröffentlicht: (2026)

Soften to Defend: Towards Adversarial Robustness via Self-Guided Label Refinement
von: Yu, Daiwei, et al.
Veröffentlicht: (2024)

NLPrompt: Noise-Label Prompt Learning for Vision-Language Models
von: Pan, Bikang, et al.
Veröffentlicht: (2024)

SSR: An Efficient and Robust Framework for Learning with Unknown Label Noise
von: Feng, Chen, et al.
Veröffentlicht: (2021)

Self-Supervised Place Recognition by Refining Temporal and Featural Pseudo Labels from Panoramic Data
von: Chen, Chao, et al.
Veröffentlicht: (2022)