論文の概要: Label Assistant: A Workflow for Assisted Data Annotation in Image
Segmentation Tasks
- arxiv url: http://arxiv.org/abs/2111.13970v1
- Date: Sat, 27 Nov 2021 19:08:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 11:55:43.546680
- Title: Label Assistant: A Workflow for Assisted Data Annotation in Image
Segmentation Tasks
- Title(参考訳): label assistant: 画像分割タスクにおけるデータアノテーションを支援するワークフロー
- Authors: Marcel P. Schilling, Luca Rettenberger, Friedrich M\"unke, Haijun Cui,
Anna A. Popova, Pavel A. Levkin, Ralf Mikut, Markus Reischl
- Abstract要約: 本稿では,アノテーションプロセスを支援する汎用ワークフローを提案し,抽象レベルでメソッドについて議論する。
これにより、将来性のあるサンプル、画像前処理、ラベル前処理、ラベル検査、アノテーションの後処理などに焦点を当てる可能性について検討する。
さらに,ハイブリッドタッチスクリーン/ラップトップデバイスにネストしたフレキシブルで拡張可能なソフトウェアプロトタイプの開発により,提案手法の実装を提案する。
- 参考スコア(独自算出の注目度): 0.8135412538980286
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent research in the field of computer vision strongly focuses on deep
learning architectures to tackle image processing problems. Deep neural
networks are often considered in complex image processing scenarios since
traditional computer vision approaches are expensive to develop or reach their
limits due to complex relations. However, a common criticism is the need for
large annotated datasets to determine robust parameters. Annotating images by
human experts is time-consuming, burdensome, and expensive. Thus, support is
needed to simplify annotation, increase user efficiency, and annotation
quality. In this paper, we propose a generic workflow to assist the annotation
process and discuss methods on an abstract level. Thereby, we review the
possibilities of focusing on promising samples, image pre-processing,
pre-labeling, label inspection, or post-processing of annotations. In addition,
we present an implementation of the proposal by means of a developed flexible
and extendable software prototype nested in hybrid touchscreen/laptop device.
- Abstract(参考訳): コンピュータビジョンの分野における最近の研究は、画像処理問題に取り組むためのディープラーニングアーキテクチャに重点を置いている。
ディープニューラルネットワークはしばしば複雑な画像処理シナリオにおいて考慮される。なぜなら従来のコンピュータビジョンアプローチは複雑な関係のために開発や限界に達するのに高価であるからである。
しかし、一般的な批判は、ロバストパラメータを決定するために大きな注釈付きデータセットが必要であることである。
人間の専門家による画像の注釈付けは時間がかかり、手間がかかり、費用がかかる。
したがって、アノテーションの簡素化、ユーザの効率向上、アノテーションの品質向上をサポートする必要がある。
本稿では,アノテーションプロセスを支援する汎用ワークフローを提案し,抽象レベルでメソッドについて議論する。
そこで我々は,将来性のあるサンプル,画像前処理,ラベル前処理,ラベル検査,アノテーションの後処理などに注目した。
さらに,ハイブリッドタッチスクリーン/ラップトップデバイスにネストしたフレキシブルで拡張可能なソフトウェアプロトタイプの開発により,提案手法の実装を提案する。
関連論文リスト
- Data Augmentation: a Combined Inductive-Deductive Approach featuring
Answer Set Programming [1.1060425537315088]
本稿では,高度なデータ拡張技術を用いて,フォトリアリスティック画像の合成を行うフレームワークを提案する。
得られたラベル付き画像は、生成されたラベルに準拠した写真リアルな画像を作成するためのDeep Learningに基づく専用プロセスを実行する。
論文 参考訳(メタデータ) (2023-10-22T21:02:26Z) - Unifying Image Processing as Visual Prompting Question Answering [62.84955983910612]
画像処理はコンピュータビジョンの基本的な課題であり、画像の品質を高め、その後の視覚アプリケーションに不可欠な特徴を抽出することを目的としている。
伝統的に、タスク固有のモデルは個々のタスクのために開発され、そのようなモデルの設計には異なる専門知識が必要である。
本稿では,画像復元,画像強調,画像特徴抽出タスクを網羅する汎用画像処理モデルを提案する。
論文 参考訳(メタデータ) (2023-10-16T15:32:57Z) - Bounding Box Annotation with Visible Status [6.69350212746025]
本研究では,モバイルアプリケーションを用いた自由視点画像キャプチャ手法を提案する。
提案したアプリケーションでは、カメラを移動させることで、バウンディングボックスにアノテートされたマルチビューイメージデータセットを自動的に収集することができる。
実験の結果,ガミフィケーションされたモバイルアプリケーションを用いて,集合の進行状況が明らかな場合,複数ビューオブジェクトの画像データセットを収集する動機付けが可能であることがわかった。
論文 参考訳(メタデータ) (2023-04-11T00:17:28Z) - Deep Image Matting: A Comprehensive Survey [85.77905619102802]
本稿では,ディープラーニング時代における画像マッチングの最近の進歩を概観する。
本稿では,補助的な入力ベースの画像マッチングと,自動的な画像マッチングという,2つの基本的なサブタスクに焦点を当てる。
画像マッチングの関連応用について論じ,今後の研究への課題と可能性を明らかにする。
論文 参考訳(メタデータ) (2023-04-10T15:48:55Z) - Kartezio: Evolutionary Design of Explainable Pipelines for Biomedical
Image Analysis [0.0]
本稿では,透過的で容易に解釈可能な画像処理パイプラインを生成する計算戦略であるKartezioを紹介する。
それによって生成されたパイプラインは、インスタンスセグメンテーションタスクにおける最先端のDeep Learningアプローチに匹敵する精度を示す。
また、実世界の4つのユースケースにおけるセマンティックスとインスタンスセグメンテーションの問題を解決するためにKartezioをデプロイしました。
論文 参考訳(メタデータ) (2023-02-28T17:02:35Z) - Collaborative Image Understanding [5.5174379874002435]
我々は,新しい画像の分類プロセスを改善するために,協調的な情報を活用することができることを示す。
電子商取引とソーシャルメディアのデータセットに関する一連の実験は、協調的な信号を考えることで、画像分類の主要なタスクのパフォーマンスが最大9.1%向上することを示した。
論文 参考訳(メタデータ) (2022-10-21T12:13:08Z) - Deep Image Deblurring: A Survey [165.32391279761006]
低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。
近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
論文 参考訳(メタデータ) (2022-01-26T01:31:30Z) - SGEITL: Scene Graph Enhanced Image-Text Learning for Visual Commonsense
Reasoning [61.57887011165744]
マルチモーダルトランスフォーマーはVisual Commonsense Reasoningのタスクにおいて大きな進歩を遂げた。
視覚的なシーングラフを常識的推論に組み込むためのScene Graph Enhanced Image-Text Learningフレームワークを提案する。
論文 参考訳(メタデータ) (2021-12-16T03:16:30Z) - Learning to Prompt for Vision-Language Models [82.25005817904027]
視覚言語による事前学習が表現学習の有望な代替手段として登場した。
画像と離散ラベルを使って、視覚的な概念と見なされる一連の重みを学習する伝統から、2つの異なるエンコーダのための画像と生のテキストの整列へと移行する。
このようなパラダイムは、より広範な監視源の恩恵を受け、下流タスクへのゼロショット転送を可能にします。
論文 参考訳(メタデータ) (2021-09-02T17:57:31Z) - 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) - Few-Shot Semantic Segmentation Augmented with Image-Level Weak
Annotations [23.02986307143718]
ショットセマンティックセグメンテーションの最近の進歩は、わずか数ピクセルレベルの注釈付き例によってこの問題に対処している。
私たちのキーとなるアイデアは、イメージレベルのラベル付きデータから知識を融合させることで、クラスのより優れたプロトタイプ表現を学ぶことです。
画像レベルのアノテーションを統合することで,距離空間におけるクラスプロトタイプ表現を学習するための新しいフレームワークPAIAを提案する。
論文 参考訳(メタデータ) (2020-07-03T04:58:20Z)
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。