MaskIt：用于高效利用不完整公开数据集训练深度学习模型的掩码方法
计算机视觉与模式识别
2020-06-23 v1 机器学习
摘要
训练深度学习模型的一个主要挑战是缺乏高质量且完整的数据集。在本文中，我们提出了一种掩码方法，用于从公开可用但不完整的数据集中训练深度学习模型。例如，德国汉堡市维护着一份沿街树木的清单，但该数据集不包含任何关于私人住宅和公园中树木的信息。为了在此类数据集上训练深度学习模型，我们使用路网对街道树木和航拍图像进行掩码处理。用于创建掩码的路网数据从 OpenStreetMap 下载，它标记了训练数据可用的区域。该掩码作为输入之一传递给模型，同时也覆盖输出。我们的模型成功学会了仅在掩码区域内以 78.4% 的准确率预测树木。
引用
@article{arxiv.2006.12004,
title = {MaskIt: Masking for efficient utilization of incomplete public datasets for training deep learning models},
author = {Ankit Kariryaa},
journal= {arXiv preprint arXiv:2006.12004},
year = {2020}
}
备注
5 pages, 3 figures