面向目标检测的噪声标注精炼
计算机视觉与模式识别
2021-12-08 v2
摘要
目标检测器的监督训练需要标注良好大规模数据集，其制作成本高昂。因此，已有一些工作以经济方式获取标注，例如众包。然而，这些方法获得的数据集往往包含噪声标注，如不准确的边界框和错误的类别标签。在本研究中，我们提出了一种新问题设定：在同时含有类别标签与边界框标注纠缠噪声的数据集上训练目标检测器。我们提出的方法高效解耦纠缠噪声、修正噪声标注，并随后使用修正后的标注训练检测器。我们在不同噪声水平的噪声数据集上验证了所提方法的有效性，并与基线进行比较。实验结果表明，我们的方法显著优于基线。
引用
@article{arxiv.2110.10456,
title = {Noisy Annotation Refinement for Object Detection},
author = {Jiafeng Mao and Qing Yu and Yoko Yamakata and Kiyoharu Aizawa},
journal= {arXiv preprint arXiv:2110.10456},
year = {2021}
}