更聪明而非更费力地标注：CleverLabel 实现更高质量模糊图像分类的更快标注
计算机视觉与模式识别
2023-05-23 v1
摘要
高质量数据对机器学习的成功至关重要，但标注大型数据集通常是一个耗时且昂贵的过程。虽然半监督学习有助于减少对标注数据的需求，但由于标注者之间的模糊性与分歧，标注质量仍是一个开放问题。因此，我们采用提案引导标注作为一种方案，其能在标注者之间带来更高的一致性。然而，提出一个标签会增加标注者倾向于该特定标签的概率。这引入了一种我们可以模拟并消除的偏差。我们提出一种新方法 CleverLabel，用于利用经验证提案引导标注与修复标签的低成本标注（Cost-effective LabEling using Validated proposal-guidEd annotations and Repaired LABELs）。CleverLabel 能将标注成本降低多达 30.0%，同时在多领域真实世界图像分类基准上，相较于先前最先进方法，在 Kullback-Leibler 散度上实现多达 29.8% 的相对改进。CleverLabel 为高效标注大型数据集同时提升标注质量这一挑战提供了新颖解决方案。
引用
@article{arxiv.2305.12811,
title = {Label Smarter, Not Harder: CleverLabel for Faster Annotation of Ambiguous Image Classification with Higher Quality},
author = {Lars Schmarje and Vasco Grossmann and Tim Michels and Jakob Nazarenus and Monty Santarossa and Claudius Zelenka and Reinhard Koch},
journal= {arXiv preprint arXiv:2305.12811},
year = {2023}
}