无需专家的可扩展细粒度类别标注

Timnit Gebru; Jonathan Krause; Jia Deng; Li Fei-Fei

无需专家的可扩展细粒度类别标注

人机交互 2017-09-11 v1 计算机视觉与模式识别

作者: Timnit Gebru , Jonathan Krause , Jia Deng , Li Fei-Fei

摘要

我们提出一种众包工作流，用于在不需要专家的情况下为视觉上相似的合成类别收集图像标注。在动物中，分类学与视觉相似性之间存在直接联系：例如，柯利牧羊犬（一种狗）看起来与其他柯利牧羊犬（如平滑柯利牧羊犬）比灰狗（另一种狗）更相似。然而，在诸如汽车之类的合成类别中，具有相似分类学的对象可能具有非常不同的外观：例如，2011 Ford F-150 Supercrew-HD看起来与2011 Ford F-150 Supercrew-LL相同，但与2011 Ford F-150 Supercrew-SVT非常不同。我们引入一种基于图的众包算法，自动将视觉上不可区分的对象分组在一起。使用我们的工作流，我们通过约1000名Amazon Mechanical Turk工人标注了712,430张图像；从而以雇佣专家成本的1/20产生了迄今为止报道的最大细粒度视觉数据集，包含2657类汽车。

关键词

众包细粒度标注合成类别基于图的算法视觉相似性图像标注亚马逊机械土耳其

引用

@article{arxiv.1709.02482,
  title  = {Scalable Annotation of Fine-Grained Categories Without Experts},
  author = {Timnit Gebru and Jonathan Krause and Jia Deng and Li Fei-Fei},
  journal= {arXiv preprint arXiv:1709.02482},
  year   = {2017}
}

备注

CHI 2017

无需专家的可扩展细粒度类别标注

摘要

关键词

引用

备注

相关论文