利用简单通用的识别方法和网络上的免费嘈杂数据，成功规模扩展到10,000多个类别，不需要手动收集标签，取得超过现有各领域最佳记录的92.3%、85.4%、93.4%和80.8% 的top-1准确率

Nov, 2015

使用CleanNet作为联合神经嵌入网络的核心，我们在图像分类模型中学习标签噪声，通过较少的人工监督，仅验证一小部分类别即可降低训练模型的标签噪声误差，并通过多项实验验证了该算法在实际数据测试中的有效性。

Nov, 2017

本研究提出了一种应对嘈杂标签的无监督半监督深度神经网络学习框架，通过在噪声图像标注中识别出标签准确度较高的部分数据，并利用半监督学习方式训练深度神经网络以更好地利用整个数据集。

Feb, 2018

本研究提出了一种适用于具有无法识别真实类别的嘈杂标签开放集问题的卷积神经网络（CNN）训练的新的迭代学习框架，包括噪声标签检测和清晰标签的权重设计。经过实验证明，该模型能够在高比例的开放集和闭集噪声标签情况下鲁棒地训练CNNs。

Mar, 2018

本研究提出了一种基于标签质量而非模型预测的学习方法——Confident Learning（CL），通过对数据进行剪枝、使用概率阈值计数来估算噪声，并对样本进行排序，以提高其置信度。我们基于假设类条件噪声过程直接估算了噪声标签和无污染标签之间的联合分布，提出了一种广义CL，它是可证明一致和实验表现优异的。我们在不同类型数据上运用CL，包括MNIST数据集、Amazon评论库、以及ImageNet数据集的一些子集，结果表明CL可以清除不同类型数据中的噪声，提高模型准确性。

Oct, 2019

本文研究了一种高效的策略收集多类别图像集的分类标签，使用自监督学习技术并将标注问题视为半监督学习问题，并提出了有效的标注指南，用此方案对ImageNet100图像集进行模拟实验，结果表明每张图像平均仅需0.35个标注，即可标注到80%的top-1准确率，相比之前的工作和手动注释，分别提高了2.7倍和6.7倍。

Apr, 2021

本研究提出了一种新的方法来在包含类标注和边界框注释的噪声数据集上训练目标检测器，能高效地分离这些噪音并进行纠正，使训练得到的检测器能够显著优于基准检测器。

Oct, 2021

本文提出了SelfClean，一种基于自监督学习的图像数据清理通用程序，通过自监督学习来避免注释偏差，将数据集清理视为一组排名问题或一组得分问题，并在常见的计算机视觉基准测试上展示了state-of-the-art的性能，同时应用于多个图像数据集并证实了评估的可靠性有所提高。

May, 2023

该论文通过广泛的实验证明，虽然在预训练中存在一定的噪声可以提高域内性能，但它总是破坏域外性能，然后提出了一种调整方法来减轻噪声的不良影响并提高泛化能力。

Mar, 2024

本研究解决了在高质量数据集创建中的挑战，包括注释错误和人力成本高昂的问题。提出的自动数据集构建（ADC）方法通过利用大型语言模型实现样本收集和类别设计，大幅提高了数据生成的效率，减少了人工注释的需求。结果展示了该方法在提升训练数据质量和模型训练稳健性方面的潜力，尤其在标签噪声检测和类不平衡学习的基准数据集上具有重要贡献。

Aug, 2024