我们不需要边界框：仅使用人工验证训练物体类别检测器
计算机视觉与模式识别
2017-04-25 v3
摘要
训练物体类别检测器通常需要大量图像，其中物体由边界框标注。然而，手动绘制边界框非常耗时。我们提出一种训练物体检测器的全新方案，其仅要求标注者验证由学习算法自动生成的边界框。我们的方案在重新训练检测器、在训练图像中重新定位物体以及人工验证之间迭代。我们利用验证信号既改进重新训练，又缩小重新定位的搜索空间，这使得这些步骤不同于弱监督设定下的常规做法。在 PASCAL VOC 2007 上的大量实验表明：(1) 使用人工验证来更新检测器并缩小搜索空间可快速生成高质量的边界框标注；(2) 我们的方案所得到的检测器性能几乎与全监督设定下训练的检测器相当，而从未绘制任何边界框；(3) 由于验证任务非常快捷，我们的方案将总标注时间大幅减少了 6倍-9倍。
引用
@article{arxiv.1602.08405,
title = {We don't need no bounding-boxes: Training object class detectors using only human verification},
author = {Dim P. Papadopoulos and Jasper R. R. Uijlings and Frank Keller and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1602.08405},
year = {2017}
}
备注
CVPR 2016, pp. 854-863. Las Vegas, NV