面向法医图像的人工辅助标注
计算机视觉与模式识别
2019-03-01 v1 信息检索
机器学习
摘要
图像集合一旦揭示其内容的关键方面，便能在诸多领域推动研究与实际应用。监督式机器学习或许是标注极大型图像集合的唯一可行途径，但主流方法依赖于大量完整且准确标注的图像样本。对于一个大型法医图像集合，我们旨在进行标注，而无论是完整标注还是大型训练样本均无法切实生成。因此，我们探究如何辅助法医专家所进行的人工标注工作。我们提出一种方法，能够同时推荐可能包含目标类别的图像以及图像内区域。由人工标注者对该方法的评估表明，借助迁移学习获得了极高精度的分类效果。通过增加一个捕捉背景的单独类别，分割精度（mAP）得以提升，但这并未影响召回率（mAR）。仍需进一步工作以提高分割精度，并利用影响分解的附加协变量增强预测能力。我们希望这一努力能对其它需要弱分割且合格标注者稀缺的领域有所帮助。
引用
@article{arxiv.1902.10848,
title = {Machine-assisted annotation of forensic imagery},
author = {Sara Mousavi and Ramin Nabati and Megan Kleeschulte and Audris Mockus},
journal= {arXiv preprint arXiv:1902.10848},
year = {2019}
}
备注
Submitted to ICIP 2019