通过自动化图像标注解决训练偏差
计算机视觉与模式识别
2018-10-11 v2 机器学习
机器学习
摘要
构建准确的 DNN 模型需要在大型带标注的、特定场景的数据集上训练，尤其是那些与目标场景相匹配的数据集。我们认为无线定位的进步与摄像头协同工作，能够对野外采集的图像和视频中的目标进行自动化标注。以行人和车辆检测为例，我们展示了自动化图像标注系统的可行性、益处与挑战。我们的工作呼吁在被动定位、移动数据分析和容错 ML 模型方面开展新技术开发，以及用户隐私策略中的设计问题。
引用
@article{arxiv.1809.10242,
title = {Addressing Training Bias via Automated Image Annotation},
author = {Zhujun Xiao and Yanzi Zhu and Yuxin Chen and Ben Y. Zhao and Junchen Jiang and Haitao Zheng},
journal= {arXiv preprint arXiv:1809.10242},
year = {2018}
}