본 연구는 컴퓨터 비전 데이터셋의 광범위한 어노테이션 오류가 객체 탐지와 같은 복잡한 작업에서 시스템 성능을 저하시킨다는 점에 주목합니다. 기존 학습 불필요한 특징 공간 방법을 활용하여 객체 탐지 데이터셋의 어노테이션 오류를 탐지하는 적용 가능성을 분석합니다.
적응된 특징 공간 방법은 의미 오류를 안정적으로 드러내는 반면, 위치 오류는 탐지하기 어렵다는 것을 확인했습니다. VOC2012 및 KITTI 데이터셋을 사용하여 다양한 사전 훈련된 임베딩 모델, 합성 노이즈 유형 및 실제 어노테이션 오류에 대해 평가했습니다.
본 연구에서 사용한 코드와 실제 부패 데이터는 GitHub 저장소에서 공개적으로 이용할 수 있습니다.