面向人类标注者的大规模交互式目标分割
计算机视觉与模式识别
2019-04-18 v2
摘要
人工标注目标分割掩码非常耗时。交互式目标分割方法提供了一种更高效的替代方案，由人类标注者与机器分割模型协作完成。本文对交互式分割做出了若干贡献：(1) 我们在仿真中系统地探索了深度交互式分割模型的设计空间，并报告了新的见解与注意事项；(2) 我们组织了一场由真实人类标注者参与的大规模标注活动，在 OpenImages 数据集上生成了 250 万个实例的掩码。我们计划公开此数据，这将构成现有最大的实例分割数据集。此外，通过重新标注部分 COCO 数据集，我们表明相比传统的多边形绘制工具，我们生成实例掩码的速度可快 3 倍，同时提供更好的质量。(3) 我们提出了一种利用标注过程中的间接信号自动估计所生成掩码质量的技术。
引用
@article{arxiv.1903.10830,
title = {Large-scale interactive object segmentation with human annotators},
author = {Rodrigo Benenson and Stefan Popov and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1903.10830},
year = {2019}
}
备注
Accepted at CVPR2019