Noisy Labels | Jorge Kamassury — Academic CV

Benchmarking Noisy Label Detection Methods

Thu, 16 Oct 2025 00:00:00 +0000

Preprint que propõe um benchmark abrangente de métodos de detecção de rótulos ruidosos em aprendizado supervisionado. O trabalho decompõe a detecção em três componentes estruturais — função de concordância, método de agregação e tipo de coleta (in-sample vs. out-of-sample) — permitindo uma análise comparativa sistemática. Também introduz uma métrica inédita de avaliação baseada na taxa de falso negativo em ponto de operação fixo. Trabalho em colaboração com o grupo de pesquisa em aprendizado robusto da UFSC, complementando o método com ênfase no aspecto de detecção em vez de treinamento robusto.

CCT: A Cyclic Co-Teaching Approach to Train Deep Neural Networks With Noisy Labels

Thu, 15 May 2025 00:00:00 +0000

Propomos Cyclic Co-Teaching (CCT), um método de treinamento robusto para redes neurais profundas em bases com rótulos ruidosos. O método combina modulações cíclicas da taxa de aprendizado e retenção de amostras, criando uma dinâmica alternada entre fases de especialização (aprendizado intensivo) e consolidação (estabilização). Experimentos em bases sintéticas (CIFAR-10/100, Tiny-ImageNet) e reais (Animal-10N, Food-101N, Clothing1M) mostram ganhos consistentes sobre o estado da arte, especialmente em cenários de alta taxa de ruído.