流体标注:面向全图像标注的人机协作界面
网络与互联网体系结构
2018-06-21 v1 密码学与安全
社会与信息网络
摘要
我们提出流体标注(Fluid Annotation),一种直观的人机协作界面,用于标注图像中每个对象与背景区域的类别标签及轮廓。流体标注基于三项原则:(I) 强机器学习辅助。我们从强神经网络模型的输出出发,标注者可通过纠正现有区域的标签、添加新区域以覆盖遗漏对象、以及移除错误区域来进行编辑。这些编辑操作同样由模型辅助。(II) 单次遍历全图像标注。相较于孤立地执行一系列小型标注任务,我们提出一种统一界面以单次遍历完成全图像标注。(III) 赋能标注者。我们赋予标注者选择标注内容与顺序的权力。这使得可专注于机器尚不知晓的部分,即仅将人力投入于其犯错之处。这有助于有效利用标注预算。通过在COCO+Stuff数据集上的大量实验,我们证明流体标注能非常高效地得到准确标注,所需标注时间仅为流行LabelMe界面的三分之一。
引用
@article{arxiv.1806.07526,
title = {A Survey on the Security of Pervasive Online Social Networks (POSNs)},
author = {Takshi Gupta and Gaurav Choudhary and Vishal Sharma},
journal= {arXiv preprint arXiv:1806.07526},
year = {2018}
}
备注
39 Pages, 10 Figures