利用多模态信息与自信学习，准确识别自动驾驶数据集中标注错误的边界框，从而提升训练数据质量与后续检测模型可靠性。
Esmaeilzehi, Alireza · Seyed Matin Tavakoli, Afshari · Guo, Qing · Juefei-Xu, Felix · Ma, Lei
IEEE Transactions on Intelligent Vehicles 2023
利用多模态信息处理与自信学习自动识别错误边界框，避免人工审查每条标注。
融合实例分割图与框空间坐标生成判别性特征，比仅用坐标更能捕获标注错误模式。
自信学习利用标注错误状态的统计信息进一步强化检测性能，实现对噪声标签的稳健估计。
大量实验证明该方案清洗数据集的效果优于当前最先进的数据选择方案。