用于目标检测的迭代边界框标注
机器学习
2020-07-03 v1 计算机视觉与模式识别
机器学习
摘要
在数字图像中手动标注目标检测的边界框是繁琐且耗费时间与资源的。本文提出一种高效的半自动边界框标注方法。该方法在小批量标注图像上迭代训练目标检测器，并学习为下一批图像提议边界框，此后人工标注者仅需纠正可能的错误。我们提出一种模拟人类行为的实验设置，并用其比较不同的迭代策略，例如呈现给标注者的数据顺序。我们在三个数据集上实验了该方法，表明其能显著减少人工标注工作量，最多可节省 75% 的总手动标注工作。
引用
@article{arxiv.2007.00961,
title = {Iterative Bounding Box Annotation for Object Detection},
author = {Bishwo Adhikari and Heikki Huttunen},
journal= {arXiv preprint arXiv:2007.00961},
year = {2020}
}
备注
Accepted at ICPR 2020