DeepBbox：加速自动驾驶数据集的精确真值生成
计算机视觉与模式识别
2019-09-13 v1 人工智能
图像与视频处理
摘要
自动驾驶需要多种计算机视觉算法，如目标检测与跟踪。精确标注的数据集（即物体完全包含于边界框中且仅多出极少额外像素）更受青睐用于训练此类算法，以使算法能检测物体的确切位置。然而，大规模为图像序列生成精确标注非常耗时因而昂贵。本文中，我们提出 DeepBbox，一种将松散物体标签修正为正确边界框以减少人工标注负担的算法。我们使用 Cityscapes 数据集展示采用 DeepBbox 带来的标注效率与精度提升。实验结果表明，借助 DeepBbox，我们可将自动标注（误差在 1% 内）的物体边数增加 50%，从而减少人工标注时间。
引用
@article{arxiv.1909.05620,
title = {DeepBbox: Accelerating Precise Ground Truth Generation for Autonomous Driving Datasets},
author = {Govind Rathore and Wan-Yi Lin and Ji Eun Kim},
journal= {arXiv preprint arXiv:1909.05620},
year = {2019}
}
备注
accepted by ITSC 2019