弱标签 Rand 指数
计算机视觉与模式识别
2021-03-10 v2 机器学习
图像与视频处理
摘要
合成孔径声纳（SAS）勘测产生的图像在海底类型之间存在大范围过渡区域。由于这些区域，图像难以标注与分割，且对图像分割结果进行恰当评分也具有挑战性。尽管在标准清晰分割方案中有许多量化性能的方法，但在存在梯度与不确定区域的遥感图像中绘制硬边界是不合适的。这些情况需要弱标签及相应的恰当评分方法。本文提出一种标注方法以及用于弱标签数据的 Rand 指数的修正版本，以解决这些问题。使用新指数对结果进行评估，并与传统分割评价方法比较。在一个包含 must-link 与 cannot-link 标签的 SAS 数据集上的实验结果表明，我们的弱标签 Rand 指数能依据定性性能对分割结果恰当评分，且比传统定量指标更适合于弱标签数据的评分。
引用
@article{arxiv.2103.04872,
title = {The Weakly-Labeled Rand Index},
author = {Dylan Stewart and Anna Hampton and Alina Zare and Jeff Dale and James Keller},
journal= {arXiv preprint arXiv:2103.04872},
year = {2021}
}