对对象探测器的监督培训需要良好的注释大规模数据集，其生产昂贵。因此，已经努力以经济的方式获得注释，例如云采购。但是，通过这些方法获得的数据集倾向于含有嘈杂的注释，例如不准确的边界框和不正确的类标签。在这项研究中，我们提出了一个新的问题在数据集上训练对象探测器的训练对象探测器，其中包含类标签和边界框的注释的纠缠漏洞。我们所提出的方法有效地解耦了缠绕的噪声，纠正了嘈杂的注释，然后使用纠正的注释训练探测器。我们验证了我们提出的方法的有效性，并将其与具有不同噪声水平的噪声数据集的基线进行了比较。实验结果表明，我们所提出的方法显着优于基线。
translated by 谷歌翻译