面向内容演化图像的伪像素级标注
计算机视觉与模式识别
2021-05-24 v1 人工智能
摘要
为语义分割标注图像需要大量人工劳动，且是一项耗时昂贵的任务，尤其在法医学人类学等专家稀缺的领域。我们利用描绘人体分解数据衰变过程的图像所具有的演化特性，设计了一种简单而有效的伪像素级标签生成技术，以减少此类图像人工标注的工作量。我们首先使用无监督方法识别出变化最小、最适合共享相同或相似标注的图像序列。给定每个序列中一张用户标注的图像，我们将其与基于 CAM 的先进伪标签生成技术所产生的标注合并，将标注传播到序列中其余图像。为评估伪像素级标签的质量，我们使用基于 VGG 和 ResNet 主干的两种语义分割模型，分别在采用我们的伪标注方法与先进方法标注的图像上进行训练。结果表明，在训练过程中使用我们的伪标签替代先进方法生成的伪标签，使基于 VGG 和 ResNet 的语义分割模型的 mean-IoU 和 frequency-weighted-IoU 分别提升了 3.36%、2.58%、10.39% 和 12.91%。
引用
@article{arxiv.2105.09975,
title = {Pseudo Pixel-level Labeling for Images with Evolving Content},
author = {Sara Mousavi and Zhenning Yang and Kelley Cross and Dawnie Steadman and Audris Mockus},
journal= {arXiv preprint arXiv:2105.09975},
year = {2021}
}