通过神经符号学习实现快速图像标注
计算机视觉与模式识别
2023-06-21 v1 机器学习
摘要
计算机视觉(CV)的成功高度依赖于人工标注数据。然而,在医疗等关键领域标注图像的成本极其高昂,因为数据标注需要大量领域专业知识且无法轻易委托给众包工作者。为应对这一挑战,我们提出了一种称为Rapid的神经符号方法,该方法从领域专家提供的少量标注数据中推断图像标注规则,并利用这些规则自动标注未标注数据。具体而言,Rapid结合预训练的CV模型与归纳逻辑学习来推断基于逻辑的标注规则。仅使用12至39个标注样本,Rapid在四项图像标注任务上取得了83.33%至88.33%的标注准确率。特别地,Rapid在两个高度专业化任务上显著优于微调后的CV模型。这些结果证明了Rapid从小数据学习的效果及其在不同任务间泛化的能力。代码与我们的数据集已公开于 https://github.com/Neural-Symbolic-Image-Labeling/。
引用
@article{arxiv.2306.10490,
title = {Rapid Image Labeling via Neuro-Symbolic Learning},
author = {Yifeng Wang and Zhi Tu and Yiwen Xiang and Shiyuan Zhou and Xiyuan Chen and Bingxuan Li and Tianyi Zhang},
journal= {arXiv preprint arXiv:2306.10490},
year = {2023}
}
备注
This paper was accepted by the 2023 ACM SIGKDD International Conference on Knowledge Discovery and Data Mining