ClickBAIT-v2：实时训练目标检测器
计算机视觉与模式识别
2018-03-29 v1 机器学习
机器人学
摘要
用于图像分类和目标检测的现代深度卷积神经网络通常在大型静态数据集上进行离线训练。然而，某些应用需要人在回路中对实时视频流进行训练。我们将此类问题称为时序在线训练。这些问题不仅需要考虑输入训练数据的数量，还需考虑标注和使用这些数据所需的人力。我们展示并评估了一个定制的系统，该系统在仅需人类操作员极少输入的情况下，即可在实时视频流上训练目标检测器。我们表明，可以通过交互式分割从弱监督的单点点击中获取边界框标注。此外，通过目标跟踪利用视频流的时序特性，我们能够将人类交互的平均训练收益提高 3-4 倍。
引用
@article{arxiv.1803.10358,
title = {ClickBAIT-v2: Training an Object Detector in Real-Time},
author = {Ervin Teng and Rui Huang and Bob Iannucci},
journal= {arXiv preprint arXiv:1803.10358},
year = {2018}
}
备注
8 pages, 13 figures. For ClickBAIT-v1, see arXiv:1709.05021