遥感图像分割标签噪声估计与排序的数据中心基准
计算机视觉与模式识别
2026-03-03 v1
摘要
高质量的像素级标注对于语义分割遥感图像至关重要。然而，这些标签昂贵且常受噪声影响，由于像素级标注的艰巨且耗时的特性，人类标注者难以准确标注每个像素。标注误差会显著降低现代分割模型的性能和鲁棒性，促使需要可靠的机制来识别和量化噪声训练样本。本文引入了一个新的数据中心基准，包括一个新型公开数据集和两种用于识别、量化和根据标签噪声水平排序训练样本的技术。所提方法利用基于模型不确定性、预测一致性和表示分析的互补策略，始终优于广泛接受的基准。在多个实验设置下均表现出色。本工作的成果已公开于 https://github.com/keillernogueira/label_noise_segmentation。
引用
@article{arxiv.2603.00604,
title = {Data-Centric Benchmark for Label Noise Estimation and Ranking in Remote Sensing Image Segmentation},
author = {Keiller Nogueira and Codrut-Andrei Diaconu and Dávid Kerekes and Jakob Gawlikowski and Cédric Léonard and Nassim Ait Ali Braham and June Moh Goo and Zichao Zeng and Zhipeng Liu and Pallavi Jain and Andrea Nascetti and Ronny Hänsch},
journal= {arXiv preprint arXiv:2603.00604},
year = {2026}
}