論文の概要: Iterative Bounding Box Annotation for Object Detection

• arxiv url: http://arxiv.org/abs/2007.00961v1
• Date: Thu, 2 Jul 2020 08:40:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 12:57:59.276532
• Title: Iterative Bounding Box Annotation for Object Detection
• Title（参考訳）: オブジェクト検出のための反復境界ボックスアノテーション
• Authors: Bishwo Adhikari and Heikki Huttunen
• Abstract要約: 本稿では,効率的なバウンディングボックスアノテーションのための半自動手法を提案する。 この方法は、ラベル付き画像の小さなバッチに対して、オブジェクト検出器を反復的に訓練する。 次のバッチに対するバウンディングボックスの提案を学習し、その後、人間のアノテータがエラーを修正すればよい。
• 参考スコア（独自算出の注目度）: 0.456877715768796
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manual annotation of bounding boxes for object detection in digital images is tedious, and time and resource consuming. In this paper, we propose a semi-automatic method for efficient bounding box annotation. The method trains the object detector iteratively on small batches of labeled images and learns to propose bounding boxes for the next batch, after which the human annotator only needs to correct possible errors. We propose an experimental setup for simulating the human actions and use it for comparing different iteration strategies, such as the order in which the data is presented to the annotator. We experiment on our method with three datasets and show that it can reduce the human annotation effort significantly, saving up to 75% of total manual annotation work.
• Abstract（参考訳）: デジタル画像におけるオブジェクト検出のための境界ボックスの手動アノテーションは退屈で、時間とリソースを消費する。 本稿では,効率的なバウンディングボックスアノテーションのための半自動手法を提案する。 この方法は、ラベル付き画像の小さなバッチにオブジェクト検出器を反復的に訓練し、次のバッチにバウンディングボックスを提案することを学習する。 本稿では,人間の行動をシミュレーションし,アノテータにデータを提示する順序など,異なるイテレーション戦略を比較するための実験的なセットアップを提案する。 提案手法を3つのデータセットを用いて実験し,人手による注記作業の75%を省くことにより,人手による注記作業を大幅に削減できることを示した。

関連論文リスト

• Extracting Human Attention through Crowdsourced Patch Labeling [18.947126675569667]
  画像分類では、データセットのバイアスから重大な問題が生じる。 このようなバイアスを軽減する1つのアプローチは、モデルが対象物の位置に注意を向けることである。 本稿では,画像から人の注意を捉えるために,クラウドソーシングとAI支援を統合した新しいパッチラベル手法を提案する。
  論文  参考訳（メタデータ） (2024-03-22T07:57:27Z)
• Weakly Supervised 3D Instance Segmentation without Instance-level Annotations [57.615325809883636]
  3Dセマンティックシーン理解タスクは、ディープラーニングの出現によって大きな成功を収めた。 本稿では,分類的セマンティックラベルのみを監督対象とする,弱制御型3Dインスタンスセマンティクス手法を提案する。 分類的セマンティックラベルから擬似インスタンスラベルを生成することで,アノテーションコストの低減で既存の3Dインスタンスセグメンテーションの学習を支援することができる。
  論文  参考訳（メタデータ） (2023-08-03T12:30:52Z)
• Read, look and detect: Bounding box annotation from image-caption pairs [2.0305676256390934]
  本稿では,画像中のオブジェクトの特定とラベル付けを行う手法について,より弱い監督方法であるイメージ・キャプション・ペアを用いて提案する。 Flickr30k COCOを用いたフレーズグラウンドで47.51%のリコール@1スコアを達成し,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2023-06-09T12:23:20Z)
• Accelerated Video Annotation driven by Deep Detector and Tracker [12.640283469603355]
  ビデオに物体の真実を注釈付けることは、ロボットの知覚と機械学習におけるいくつかの下流タスクにとって不可欠である。 動画中の各画像フレーム上の移動物体の注釈付きインスタンスの精度は極めて重要である。 本稿では,学習ベース検出器と学習ベーストラッカーを組み合わせたアノテーション手法を提案する。
  論文  参考訳（メタデータ） (2023-02-19T15:16:05Z)
• Point-Teaching: Weakly Semi-Supervised Object Detection with Point Annotations [81.02347863372364]
  本稿では,弱い半教師付きオブジェクト検出フレームワークであるPoint-Teachingを提案する。 具体的には,ポイントアノテート画像の擬似ラベルを生成するためのハンガリーの点マッチング手法を提案する。 そこで本研究では,不整合点の影響を低減するため,単純なyet- effective data augmentation(ポイント誘導コピーペースト)を提案する。
  論文  参考訳（メタデータ） (2022-06-01T07:04:38Z)
• Towards Open Vocabulary Object Detection without Human-provided Bounding Boxes [74.24276505126932]
  手動でバウンディングボックスアノテーションを指定せずにトレーニングできるオープンな語彙検出フレームワークを提案する。 本手法は,事前学習した視覚言語モデルの局所化能力を活用して実現した。
  論文  参考訳（メタデータ） (2021-11-18T00:05:52Z)
• Sample selection for efficient image annotation [14.695979686066066]
  監視対象検出は、人間レベルのパフォーマンスを達成する多くのベンチマークデータセットで成功したことが証明されている。 ラベルなしデータセットから最も有益な画像をサンプリングする効率的な画像選択手法を提案する。 本手法は,完全な手動ラベリング設定と比較して,手動アノテーション作業の最大80%を削減でき,ランダムサンプリングよりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2021-05-10T21:25:10Z)
• Towards Good Practices for Efficiently Annotating Large-Scale Image Classification Datasets [90.61266099147053]
  多数の画像の分類ラベルを収集するための効率的なアノテーション戦略を検討する。 人間のラベリング作業を最小化するための修正とベストプラクティスを提案します。 ImageNet100の125kイメージサブセットのシミュレーション実験では、平均で0.35のアノテーションで80%のトップ-1の精度でアノテートできることが示されている。
  論文  参考訳（メタデータ） (2021-04-26T16:29:32Z)
• Data Augmentation for Object Detection via Differentiable Neural Rendering [71.00447761415388]
  注釈付きデータが乏しい場合、堅牢なオブジェクト検出器を訓練することは困難です。 この問題に対処する既存のアプローチには、ラベル付きデータからラベル付きデータを補間する半教師付き学習が含まれる。 オブジェクト検出のためのオフラインデータ拡張手法を導入し、新しいビューでトレーニングデータを意味的に補間する。
  論文  参考訳（メタデータ） (2021-03-04T06:31:06Z)
• One-bit Supervision for Image Classification [121.87598671087494]
  1ビットの監視は、不完全なアノテーションから学ぶための新しい設定である。 負ラベル抑圧を既成の半教師付き学習アルゴリズムに組み込んだ多段階学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-09-14T03:06:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。