EISeg：基于 PaddlePaddle 的高效交互式分割工具
计算机视觉与模式识别
2022-10-19 v2
摘要
近年来，深度学习的快速发展为基于神经网络的图像与视频分割方法带来了巨大进步。然而，要充分发挥此类模型的潜力，模型训练需要大量高质量标注图像。目前，许多广泛使用的开源图像分割软件严重依赖人工标注，繁琐且耗时。在本工作中，我们介绍了 EISeg，一种高效交互式分割（Efficient Interactive SEGmentation）标注工具，可大幅提升图像分割标注效率，仅需少量点击即可生成高精度的分割掩码。我们还提供了多种面向遥感、医学影像、工业质检、人体分割的专用领域模型，以及用于视频分割的时序感知模型。我们的算法与用户界面源代码可在 https://github.com/PaddlePaddle/PaddleSeg 获取。
引用
@article{arxiv.2210.08788,
title = {EISeg: An Efficient Interactive Segmentation Tool based on PaddlePaddle},
author = {Yuying Hao and Yi Liu and Yizhou Chen and Lin Han and Juncai Peng and Shiyu Tang and Guowei Chen and Zewu Wu and Zeyu Chen and Baohua Lai},
journal= {arXiv preprint arXiv:2210.08788},
year = {2022}
}
备注
8 pages