多重标注下的宝藏：一种不确定性感知的边缘检测器
计算机视觉与模式识别
2023-03-22 v1
摘要
基于深度学习的边缘检测器严重依赖于像素级标注，而这些标注通常由多名标注者提供。现有方法使用简单的投票过程融合多重标注，忽略了边缘固有的模糊性与标注者的标注偏差。本文提出一种新颖的不确定性感知边缘检测器（UAED），它利用不确定性来探究多样标注的主观性与模糊性。具体而言，我们首先将确定性标签空间转换为可学习的高斯分布，其方差度量不同标注间模糊的程度。然后我们将学习到的方差视为预测边缘图估计的不确定性，具有较高不确定性的像素往往是边缘检测的困难样本。因此我们设计了一种自适应加权损失，以强调从这些高不确定性像素中学习，帮助网络逐步聚焦于重要像素。UAED 可与多种编码器-解码器骨干网络结合，大量实验表明 UAED 在多个边缘检测基准上持续取得优越性能。源代码见 \url{https://github.com/ZhouCX117/UAED}。
引用
@article{arxiv.2303.11828,
title = {The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector},
author = {Caixia Zhou and Yaping Huang and Mengyang Pu and Qingji Guan and Li Huang and Haibin Ling},
journal= {arXiv preprint arXiv:2303.11828},
year = {2023}
}
备注
CVPR2023