TagMe：基于GPS辅助的视频中物体自动标注
计算机视觉与模式识别
2021-03-26 v1 机器学习
摘要
训练高精度目标检测模型需要大规模且多样的标注数据集。然而，由于依赖人工标注者，创建这些数据集耗时且昂贵。我们设计、实现并评估了TagMe，一种利用GPS数据实现视频中物体自动标注的新方法。当物体的GPS轨迹可用时，TagMe将物体的GPS轨迹运动与视频中像素运动进行匹配，以找到视频中属于该物体的像素，并创建该物体的边界框标注。TagMe采用被动数据收集方式，无需任何人工标注者即可从室外视频流中持续生成新的物体标注。我们在一个包含100个视频片段的数据集上评估TagMe。我们表明TagMe能以全自动化且低成本的方式生成高质量物体标注。与传统人在回路方案相比，TagMe能以低得多的成本生成同等数量的标注，例如最高达110倍。
引用
@article{arxiv.2103.13428,
title = {TagMe: GPS-Assisted Automatic Object Annotation in Videos},
author = {Songtao He and Favyen Bastani and Mohammad Alizadeh and Hari Balakrishnan and Michael Cafarella and Tim Kraska and Sam Madden},
journal= {arXiv preprint arXiv:2103.13428},
year = {2021}
}
备注
https://people.csail.mit.edu/songtao/tagme.html