用于带置信度的众包目标分割的点击流分析
计算机视觉与模式识别
2017-11-30 v4
摘要
随着基于机器学习的自动图像标注方案兴趣快速增长，用于算法训练的参考标注的可用性成为该领域的主要瓶颈之一。众包已发展为一种低成本、大规模数据标注的有价值选择；然而质量控制仍是需要解决的主要问题。据我们所知，我们首次分析标注过程以改进众包图像分割。我们的方法包括训练一个回归器，从标注者的点击流数据估计分割的质量。该质量估计可用于识别垃圾标注，并在合并同一图像的多个分割时按其（估计）质量对个体标注加权。利用在不同目标类的公开数据上执行的共计 29,000 个众包标注，我们表明（1）我们的方法在基于点击流数据估计分割质量方面高度准确，（2）优于用于合并多标注的当前最优（SOTA）方法。由于该回归器无需在其所应用的物体类别上训练，它可被视为众包图像标注背景下质量控制和置信度分析的低成本选项。
引用
@article{arxiv.1611.08527,
title = {Clickstream analysis for crowd-based object segmentation with confidence},
author = {Eric Heim and Alexander Seitel and Jonas Andrulis and Fabian Isensee and Christian Stock and Tobias Ross and Lena Maier-Hein},
journal= {arXiv preprint arXiv:1611.08527},
year = {2017}
}
备注
to appear in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)