一种用于标注渔业图像的迭代标注方法
机器学习
2022-06-09 v2 计算机视觉与模式识别
人机交互
摘要
本文提出了一种用于渔业相关数据的方法，该方法通过利用众包接口，在数据集上进行多次训练和生产循环迭代，从而收敛到一个带标签的图像数据集。我们展示了我们的算法及其在两组使用Seabed自主水下航行器收集的图像数据上的结果。第一个数据集包含2,026张完全未标注的图像，第二个数据集包含21,968张由专家进行点标注的图像。我们的结果表明，使用一个小型子集进行训练并在此基础上迭代以构建更大的标注数据集，可以使我们在少量迭代后收敛到一个完全标注的数据集。即使在由专家标注的数据集上，该方法的一次迭代也能通过发现与鱼相关的额外复杂标注示例（如重叠、非常小或因水下图像对比度限制而模糊不清的鱼）来改进标签。
引用
@article{arxiv.2204.12934,
title = {An Iterative Labeling Method for Annotating Fisheries Imagery},
author = {Zhiyong Zhang and Pushyami Kaveti and Hanumant Singh and Abigail Powell and Erica Fruh and M. Elizabeth Clarke},
journal= {arXiv preprint arXiv:2204.12934},
year = {2022}
}