块标注：基于子图像分解的更优语义分割图像标注方法
计算机视觉与模式识别
2020-02-19 v1 机器学习
图像与视频处理
摘要
具有高质量像素级标注的图像数据集对于语义分割十分宝贵：标注图像中的每一个像素可确保稀有类别和小物体被标注。然而，全图像标注成本高昂，专家每张图像需花费长达 90 分钟。我们提出块子图像标注作为全图像标注的替代方案。尽管频繁任务切换带来注意力成本，我们发现使用为全图像标注开发的现有标注工具，在同等货币成本下，块标注可以众包获得比全图像标注更高质量的结果。令人惊讶的是，我们发现用块标注 50% 的像素可使语义分割达到与标注 100% 像素相当的性能。此外，仅标注 12% 的像素即可达到密集标注性能 98% 的高水平。在弱监督设定下，给定同等标注时间，块标注比现有方法高出 3-4%（绝对百分点）。为恢复诸如刻画空间上下文与可供性关系等应用所需的全局结构，我们提出一种有效的方法，在无额外人力的情况下对块标注图像进行高质量标签修复。因此，相较于全图像标注，这些应用也可使用更少的标注。
引用
@article{arxiv.2002.06626,
title = {Block Annotation: Better Image Annotation for Semantic Segmentation with Sub-Image Decomposition},
author = {Hubert Lin and Paul Upchurch and Kavita Bala},
journal= {arXiv preprint arXiv:2002.06626},
year = {2020}
}
备注
ICCV 2019; http://www.cs.cornell.edu/~hubert/block_annotation/