EDF：集成、蒸馏与融合的简易视频标注方法
计算机视觉与模式识别
2018-12-11 v1
摘要
我们提出一种利用最少人工标注在未知视频上快速引导目标检测的方法。我们通过边界框合并与模型蒸馏结合两种互补知识源（一为通用，一为特定）来实现。第一（通用）知识源通过集成预训练目标检测器并使用一种新颖的边界框合并与置信度重加权方案获得。我们观察到，带数据增强的模型蒸馏可训练出优于其所用噪声标签的专用检测器，并在集成检测结果上训练一个学生网络（Student Network），其取得比集成本身更高的mAP。第二（专用）知识源来自在视频的标注子集上训练一个检测器（称为监督标注器，Supervised Labeler），以在未标注部分生成检测。我们在两个流行的车载数据集上证明，这些技术可为帧中所有车辆输出边界框，其平均精度均值（mAP）高于所用任何参考网络，且集成与人工标注数据的结合产生的目标检测优于单独任一种。
引用
@article{arxiv.1812.03626,
title = {EDF: Ensemble, Distill, and Fuse for Easy Video Labeling},
author = {Giulio Zhou and Subramanya Dulloor and David G. Andersen and Michael Kaminsky},
journal= {arXiv preprint arXiv:1812.03626},
year = {2018}
}