语义分割中的噪声标注
计算机视觉与模式识别
2025-04-04 v3 机器学习
摘要
由于任务本身的复杂性，获取实例分割的准确标签尤其具有挑战性。每张图像都需要多次标注，不仅要标注物体类别，还要标注其精确的空间边界。这些要求提高了手动和自动标注过程中的错误和不一致性的可能性。通过模拟不同的噪声条件，我们提供了一个现实的场景，用于评估实例分割模型在不同分割任务中的鲁棒性和泛化能力，介绍 COCO-N 和 Cityscapes-N。我们还提出了一个用于弱标注噪声的基准测试，称为 COCO-WAN，该基准测试利用基础模型和弱标注来模拟半自动标注工具及其噪声标签。本研究揭示了各种模型产生的分割掩码质量，并挑战了旨在解决标签噪声学习问题的流行方法的有效性。
引用
@article{arxiv.2406.10891,
title = {Noisy Annotations in Semantic Segmentation},
author = {Moshe Kimhi and Omer Kerem and Eden Grad and Ehud Rivlin and Chaim Baskin},
journal= {arXiv preprint arXiv:2406.10891},
year = {2025}
}