Buchumschlag

Enhanced Sample Selection with Confidence Tracking: Identifying Correctly Labeled yet Hard-to-Learn Samples in Noisy Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pan, Weiran, Wei, Wei, Zhu, Feida, Deng, Yong
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning with Instance-Dependent Noisy Labels by Anchor Hallucination and Hard Sample Label Correction
von: Huang, Po-Hsuan, et al.
Veröffentlicht: (2024)

Sample Selection via Contrastive Fragmentation for Noisy Label Regression
von: Kim, Chris Dongjoo, et al.
Veröffentlicht: (2025)

Robust Noisy Label Learning via Two-Stream Sample Distillation
von: Bai, Sihan, et al.
Veröffentlicht: (2024)

Data Stream Sampling with Fuzzy Task Boundaries and Noisy Labels
von: Chen, Yu-Hsi
Veröffentlicht: (2024)

Bridging Weakly-Supervised Learning and VLM Distillation: Noisy Partial Label Learning for Efficient Downstream Adaptation
von: Wang, Qian-Wei, et al.
Veröffentlicht: (2025)

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

Robust Self-Training with Closed-loop Label Correction for Learning from Noisy Labels
von: Lin, Zhanhui, et al.
Veröffentlicht: (2026)

Not All Pixels Are Equal: Pixel-wise Meta-Learning for Medical Segmentation with Noisy Labels
von: Mu, Chenyu, et al.
Veröffentlicht: (2025)

AdaSin: Enhancing Hard Sample Metrics with Dual Adaptive Penalty for Face Recognition
von: Guo, Qiqi, et al.
Veröffentlicht: (2025)

Free Performance Gain from Mixing Multiple Partially Labeled Samples in Multi-label Image Classification
von: Chong, Chak Fong, et al.
Veröffentlicht: (2024)

Learning Camouflaged Object Detection from Noisy Pseudo Label
von: Zhang, Jin, et al.
Veröffentlicht: (2024)

FNBench: Benchmarking Robust Federated Learning against Noisy Labels
von: Jiang, Xuefeng, et al.
Veröffentlicht: (2025)

IRNet: Iterative Refinement Network for Noisy Partial Label Learning
von: Lian, Zheng, et al.
Veröffentlicht: (2022)

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

Structural-Entropy-Based Sample Selection for Efficient and Effective Learning
von: Xie, Tianchi, et al.
Veröffentlicht: (2024)

Enhanced Object Tracking by Self-Supervised Auxiliary Depth Estimation Learning
von: Wei, Zhenyu, et al.
Veröffentlicht: (2024)

Diffusion Posterior Sampling for General Noisy Inverse Problems
von: Chung, Hyungjin, et al.
Veröffentlicht: (2022)

Distribution-Aware Robust Learning from Long-Tailed Data with Noisy Labels
von: Baik, Jae Soon, et al.
Veröffentlicht: (2024)

Robust Deep Learning for Myocardial Scar Segmentation in Cardiac MRI with Noisy Labels
von: Moafi, Aida, et al.
Veröffentlicht: (2025)

FedGSCA: Medical Federated Learning with Global Sample Selector and Client Adaptive Adjuster under Label Noise
von: Ye, Mengwen, et al.
Veröffentlicht: (2025)

Hard to See, Hard to Label: Generative and Symbolic Acquisition for Subtle Visual Phenomena
von: Prasad, Renjith, et al.
Veröffentlicht: (2026)

Draft-and-Target Sampling for Video Generation Policy
von: Zhang, Qikang, et al.
Veröffentlicht: (2026)

Fine-gained Zero-shot Video Sampling
von: Chen, Dengsheng, et al.
Veröffentlicht: (2024)

Adaptive Sampling Scheduler
von: Wang, Qi, et al.
Veröffentlicht: (2025)

To Label or Not to Label: PALM -- A Predictive Model for Evaluating Sample Efficiency in Active Learning Models
von: Machnio, Julia, et al.
Veröffentlicht: (2025)

Towards Sample-specific Backdoor Attack with Clean Labels via Attribute Trigger
von: Zhu, Mingyan, et al.
Veröffentlicht: (2023)

Learning What Matters: Prioritized Concept Learning via Relative Error-driven Sample Selection
von: Chandhok, Shivam, et al.
Veröffentlicht: (2025)

QuRe: Query-Relevant Retrieval through Hard Negative Sampling in Composed Image Retrieval
von: Kwak, Jaehyun, et al.
Veröffentlicht: (2025)

The Sampling-Gaussian for stereo matching
von: Pan, Baiyu, et al.
Veröffentlicht: (2024)

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

Toward Optimal Sampling Rate Selection and Unbiased Classification for Precise Animal Activity Recognition
von: Mao, Axiu, et al.
Veröffentlicht: (2026)

Continual Gesture Learning without Data via Synthetic Feature Sampling
von: Lu, Zhenyu, et al.
Veröffentlicht: (2024)

Sample-efficient Unsupervised Policy Cloning from Ensemble Self-supervised Labeled Videos
von: Liu, Xin, et al.
Veröffentlicht: (2024)

May the Forgetting Be with You: Alternate Replay for Learning with Noisy Labels
von: Millunzi, Monica, et al.
Veröffentlicht: (2024)

Swift Sampling: Selecting Temporal Surprises via Taylor Series
von: Kim, Dahye, et al.
Veröffentlicht: (2026)

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

SCALER: SAM-Enhanced Collaborative Learning for Label-Deficient Concealed Object Segmentation
von: He, Chunming, et al.
Veröffentlicht: (2025)

Hyperspectral Imaging-Based Grain Quality Assessment With Limited Labelled Data
von: Karmakar, Priyabrata, et al.
Veröffentlicht: (2024)

Think-Clip-Sample: Slow-Fast Frame Selection for Video Understanding
von: Tan, Wenhui, et al.
Veröffentlicht: (2026)

NCSAM Noise-Compensated Sharpness-Aware Minimization for Noisy Label Learning
von: Xu, Jiayu, et al.
Veröffentlicht: (2026)