基于 Curve-GCN 的快速交互式目标标注
计算机视觉与模式识别
2019-03-19 v1 机器学习
摘要
通过描绘边界手动标注目标是一个费力的过程。在 Polygon-RNN++ 中，作者提出了 Polygon-RNN，其使用 CNN-RNN 架构以循环方式生成多边形标注，允许通过人在回路进行交互式修正。我们提出了一种新框架，通过使用图卷积网络（GCN）同时预测所有顶点，缓解了 Polygon-RNN 的顺序性质。我们的模型端到端训练。它支持通过多边形或样条进行目标标注，提升线基与曲线目标的标注效率。我们展示 Curve-GCN 在自动模式下优于所有现有方法，包括强大的 PSP-DeepLab，并且在交互模式下比 Polygon-RNN++ 显著更高效。我们的模型在自动模式下运行于 29.3ms，在交互模式下运行于 2.6ms，使其比 Polygon-RNN++ 快 10 倍和 100 倍。
引用
@article{arxiv.1903.06874,
title = {Fast Interactive Object Annotation with Curve-GCN},
author = {Huan Ling and Jun Gao and Amlan Kar and Wenzheng Chen and Sanja Fidler},
journal= {arXiv preprint arXiv:1903.06874},
year = {2019}
}
备注
In Computer Vision and Pattern Recognition (CVPR), Long Beach, US, 2019