该文综述了噪声标注下的目标检测方法，包括分离并纠正类标注与边界框噪声、交替优化标签与模型参数、领域自适应去噪、半监督集成检测器、改进co-teaching降低标签噪声，以及面向不准确边界框的多实例学习，并在PASCAL VOC、MS-COCO、KITTI等数据集上验证有效性。

本文提出了一种处理含有混合标签噪声和边界框噪声的目标检测器训练框架，通过交替噪声校正和模型训练来优化目标标签、边界框坐标和模型参数。在PASCAL VOC和MS-COCO数据集上实验结果良好。