面向基于视觉的板坯识别系统的弱标注真值数据的选择性蒸馏
计算机视觉与模式识别
2019-03-12 v2
摘要
本文提出一种在工厂场景中识别板坯编号的算法。在基于深度学习的系统开发中，制作真值数据（GTD）的手动标注是一项重要但昂贵的任务。此外，GTD 的质量与监督学习算法的性能密切相关。为减少标注过程中的人工劳作，我们通过仅标记字符质心生成了弱标注 GTD。相较之下，字符的边界框至少需要一次拖放操作或两次点击来标注字符位置，而弱标注 GTD 仅需一次点击即可记录字符位置。本文的主要贡献在于通过选择性蒸馏提升弱标注 GTD 的质量。由于手动 GTD 通常由多人生成，其可能包含个人偏差或人为错误。为解决该问题，手动 GTD 中的信息通过选择性蒸馏进行整合与精炼。在选择性蒸馏过程中，使用弱标注 GTD 训练一个全卷积网络，并选择性地利用其预测图来修正初始 GTD 中字符语义区域的位置与边界。修改后的 GTD 用于主训练阶段，并进行了后处理以恢复文本信息。我们在炼钢厂收集的实际工业数据上进行了充分实验，以证明所提方法的有效性。
引用
@article{arxiv.1810.04029,
title = {Selective Distillation of Weakly Annotated GTD for Vision-based Slab Identification System},
author = {Sang Jun Lee and Sang Woo Kim and Wookyong Kwon and Gyogwon Koo and Jong Pil Yun},
journal= {arXiv preprint arXiv:1810.04029},
year = {2019}
}
备注
10 pages, 12 figures, submitted to a journal