在无完美真值数据下利用噪声监督校正错位的地籍图
计算机视觉与模式识别
2019-03-18 v1 机器学习
机器学习
摘要
在机器学习中,当存在完美真值标签时,全监督方法在特定任务上取得最佳性能。然而,标签常有噪声,尤其在遥感领域,人工整理的公开数据集十分稀少。我们研究了多模态地籍图对齐问题,其可用标注为错位多边形,导致噪声监督。随后我们建立了多轮训练方案,在每轮校正真值标注,以在下一轮更好地训练模型。我们表明,通过迭代训练更优的对齐模型来校正标注对齐,可降低数据集的噪声。
引用
@article{arxiv.1903.06529,
title = {Noisy Supervision for Correcting Misaligned Cadaster Maps Without Perfect Ground Truth Data},
author = {Nicolas Girard and Guillaume Charpiat and Yuliya Tarabalka},
journal= {arXiv preprint arXiv:1903.06529},
year = {2019}
}