ALINA：高级线条识别与标注算法
计算机视觉与模式识别
2024-06-14 v1
摘要
标签是监督式机器学习算法的基石。大多数视觉识别方法都是全监督的，使用边界框或逐像素分割进行目标定位。传统的标注方法（如众包）由于成本、数据隐私、时间消耗以及大数据集上的潜在错误而难以实施。为解决这些问题，我们提出了一种新颖的标注框架——高级线条识别与标注算法（ALINA），可用于标注由不同相机视角和可变天气属性（晴天和阴天）组成的滑行道数据集。此外，还提出了圆形阈值像素发现与遍历（CIRCLEDAT）算法，这是确定滑行道线标记对应像素的关键步骤。一旦识别出像素，ALINA就会在帧上生成相应的像素坐标标注。使用这种方法，已标注了滑行道数据集AssistTaxi中的60,249帧。为了评估性能，基于边缘特征和连通性手动生成了一个基于上下文的边缘图（CBEM）集。用CBEM集测试标注标签后的检测率为98.45%，证明了其可靠性和有效性。
引用
@article{arxiv.2406.08775,
title = {ALINA: Advanced Line Identification and Notation Algorithm},
author = {Mohammed Abdul Hafeez Khan and Parth Ganeriwala and Siddhartha Bhattacharyya and Natasha Neogi and Raja Muthalagu},
journal= {arXiv preprint arXiv:2406.08775},
year = {2024}
}
备注
Paper has been accepted to The 3rd CVPR Workshop on Vision Datasets Understanding, 2024