面向室内场景目标检测的更快速边界框标注
计算机视觉与模式识别
2024-10-30 v1 机器学习
机器学习
摘要
本文提出一种用于目标检测数据集快速边界框标注的方法。该过程包括两个阶段：第一步手动标注部分数据集，第二步使用以第一阶段标注训练得到的模型为剩余样本提议标注。我们通过实验研究何种第一/第二阶段划分能使总工作量最小。此外，我们引入了一个从室内场景收集的新全标注目标检测数据集。与其他室内数据集相比，我们的收集具有更多类别、不同背景、光照条件、遮挡和较高的类内差异。我们使用若干当前最优（state-of-the-art）模型训练基于深度学习的对象检测器，并在速度和准确率方面进行比较。该全标注数据集已免费发布供研究界使用。
引用
@article{arxiv.1807.03142,
title = {Faster Bounding Box Annotation for Object Detection in Indoor Scenes},
author = {Bishwo Adhikari and Jukka Peltomäki and Jussi Puura and Heikki Huttunen},
journal= {arXiv preprint arXiv:1807.03142},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication