使用 SOLA 揭示物体：面向汽车数据集的物体级无标注图像搜索
机器人学
2023-12-08 v2 计算机视觉与模式识别
摘要
庞大的图像数据集是开发自动驾驶系统感知能力的基础。需要大量图像来训练能够应对各种情况的鲁棒神经网络。足够大的数据集包含具有挑战性的情况和物体。为了测试生成的功能，必须能够从数据集中找到并提取这些情况和物体。虽然记录大量未标注数据相对容易，但找到苛刻的情况和物体却困难得多。然而，在开发感知系统时，必须能够访问具有挑战性的数据，而无需执行冗长且耗时的标注。因此，开发人员必须能够在数据集中动态搜索特定的情况和物体。为此，我们设计了一种基于最先进神经网络的方法，用于在图像中搜索具有特定属性的物体。为了便于使用，此搜索的查询使用自然语言进行描述。为了确定节省的时间和提高的性能，我们在汽车数据集上对我们的方法进行了定性和定量评估。
引用
@article{arxiv.2312.01860,
title = {Unveiling Objects with SOLA: An Annotation-Free Image Search on the Object Level for Automotive Data Sets},
author = {Philipp Rigoll and Jacob Langner and Eric Sax},
journal= {arXiv preprint arXiv:2312.01860},
year = {2023}
}