論文の概要: An Iterative Labeling Method for Annotating Fisheries Imagery
- arxiv url: http://arxiv.org/abs/2204.12934v1
- Date: Wed, 27 Apr 2022 13:36:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-28 13:03:09.353443
- Title: An Iterative Labeling Method for Annotating Fisheries Imagery
- Title（参考訳）: 水産画像に注釈をつけるための反復ラベル付け手法
- Authors: Zhiyong Zhang, Pushyami Kaveti, Hanumant Singh, Abigail Powell, Erica
Fruh, M. Elizabeth Clarke
- Abstract要約: 本研究では,Seabed 自律型水中車両を用いて収集した2つの画像データに対して,アルゴリズムとその結果を示す。
我々の結果は、小さなサブセットでトレーニングを行い、それを反復してラベル付きデータのより大きなセットを構築することで、少数のイテレーションで完全に注釈付きデータセットに収束できることを示している。
- 参考スコア（独自算出の注目度）: 3.563054348306519
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we present a methodology for fisheries-related data that
allows us to converge on a labeled image dataset by iterating over the dataset
with multiple training and production loops that can exploit crowdsourcing
interfaces. We present our algorithm and its results on two separate sets of
image data collected using the Seabed autonomous underwater vehicle. The first
dataset comprises of 2,026 completely unlabeled images, while the second
consists of 21,968 images that were point annotated by experts. Our results
indicate that training with a small subset and iterating on that to build a
larger set of labeled data allows us to converge to a fully annotated dataset
with a small number of iterations. Even in the case of a dataset labeled by
experts, a single iteration of the methodology improves the labels by
discovering additional complicated examples of labels associated with fish that
overlap, are very small, or obscured by the contrast limitations associated
with underwater imagery.
- Abstract（参考訳）: 本稿では,クラウドソーシングインタフェースを活用可能な複数のトレーニングおよび生産ループでデータセットを反復することで,ラベル付き画像データセットに収束可能な漁業関連データの方法論を提案する。
本研究では,Seabed 自律水中車両を用いて収集した2つの画像データに対して,アルゴリズムとその結果を示す。
第1のデータセットは2,026枚のラベルのない画像からなり、第2のデータセットは21,968枚の画像からなる。
我々の結果は、小さなサブセットでトレーニングを行い、それを反復してラベル付きデータのより大きなセットを構築することで、少数のイテレーションで完全に注釈付きデータセットに収束できることを示している。
専門家によってラベル付けされたデータセットの場合でさえ、この方法論の1回のイテレーションで、オーバーラップ、非常に小さい、あるいは水中画像に関連するコントラスト制限によって隠された魚に関連するラベルの複雑な例を見つけることにより、ラベルを改善する。
関連論文リスト
- Semi-Supervised Image Captioning by Adversarially Propagating Labeled
Data [95.0476489266988]
本稿では、画像キャプションモデルの一般化を改善するための、新しいデータ効率半教師付きフレームワークを提案する。
提案手法は,キャプタにペアデータから学習し,段階的に未ペアデータの関連付けを行うよう訓練する。
1)画像ベースと(2)高密度領域ベースキャプションデータセットの両方を総合的かつ包括的な実験結果とし,それに続いて,少ないペアリングデータセットの包括的分析を行った。
論文 参考訳（メタデータ） (2023-01-26T15:25:43Z) - Learning to Annotate Part Segmentation with Gradient Matching [58.100715754135685]
本稿では,事前学習したGANを用いて,高品質な画像を生成することで,半教師付き部分分割タスクに対処することに焦点を当てる。
特に、アノテータ学習を学習から学習までの問題として定式化する。
提案手法は,実画像,生成された画像,さらには解析的に描画された画像を含む,幅広いラベル付き画像からアノテータを学習可能であることを示す。
論文 参考訳（メタデータ） (2022-11-06T01:29:22Z) - Scrape, Cut, Paste and Learn: Automated Dataset Generation Applied to
Parcel Logistics [58.720142291102135]
4つのステップでインスタンスセグメンテーションのための合成データセットを生成するために,完全に自動化されたパイプラインを提案する。
まず、人気のある画像検索エンジンから興味ある対象の画像を抽出する。
画像選択には,オブジェクトに依存しない事前処理,手動画像選択,CNNに基づく画像選択の3つの方法を比較する。
論文 参考訳（メタデータ） (2022-10-18T12:49:04Z) - Spatiotemporal Classification with limited labels using Constrained
Clustering for large datasets [22.117238467818623]
分離可能な表現は、より良い分類能力を持つ教師付きモデルにつながる可能性がある。
ラベルの少ない制約付き損失を使って、より優れた表現を学べる方法を示します。
我々は,ラベルの少ない手法を用いて,ラベルのないデータから新しいラベル付きサンプルを抽出し,より優れた分類につながる教師付き手法を拡張できることを示す。
論文 参考訳（メタデータ） (2022-10-14T05:05:22Z) - Is Medieval Distant Viewing Possible? : Extending and Enriching Annotation of Legacy Image Collections using Visual Analytics [3.89394670917253]
本稿では,相反するメタデータと重複するメタデータを示す2つの注釈付き中世の写本画像について述べる。
統合データセットの"ブリッジ"として機能する,より均一なラベルセットを作ることを目標としています。
ビジュアルインターフェースは、メタデータの総合計を超えるデータ間の関係について、専門家に概要を提供する。
論文 参考訳（メタデータ） (2022-08-20T10:59:33Z) - Semi-weakly Supervised Contrastive Representation Learning for Retinal
Fundus Images [0.2538209532048867]
本稿では,半弱化アノテーションを用いた表現学習のための,半弱化教師付きコントラスト学習フレームワークを提案する。
SWCLの移動学習性能を7つの公立網膜眼底データセットで実証的に検証した。
論文 参考訳（メタデータ） (2021-08-04T15:50:09Z) - DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort [117.41383937100751]
現在のディープネットワークは、大規模なデータセットのトレーニングの恩恵を受ける、非常にデータハングリーです。
GAN潜入コードがどのようにデコードされ、イメージのセマンティックセグメンテーションを生成するかを示す。
これらの生成されたデータセットは、実際のデータセットと同じように、コンピュータビジョンアーキテクチャのトレーニングに使用できます。
論文 参考訳（メタデータ） (2021-04-13T20:08:29Z) - Semantic Segmentation with Generative Models: Semi-Supervised Learning
and Strong Out-of-Domain Generalization [112.68171734288237]
本論文では,画像とラベルの再生モデルを用いた識別画素レベルのタスクのための新しいフレームワークを提案する。
我々は,共同画像ラベルの分布を捕捉し,未ラベル画像の大規模な集合を用いて効率的に訓練する生成的対向ネットワークを学習する。
ドメイン内性能をいくつかのベースラインと比較し,ドメイン外一般化を極端に示す最初の例である。
論文 参考訳（メタデータ） (2021-04-12T21:41:25Z) - ATSO: Asynchronous Teacher-Student Optimization for Semi-Supervised
Medical Image Segmentation [99.90263375737362]
教師-学生最適化の非同期版であるATSOを提案する。
ATSOはラベルのないデータを2つのサブセットに分割し、モデルの微調整に1つのサブセットを交互に使用し、他のサブセットのラベルを更新する。
医用画像のセグメンテーションデータセットを2つ評価し,様々な半教師付き環境において優れた性能を示す。
論文 参考訳（メタデータ） (2020-06-24T04:05:12Z) - Collaborative Learning of Semi-Supervised Clustering and Classification
for Labeling Uncurated Data [6.871887763122593]
ドメイン固有のイメージコレクションは、科学とビジネスの様々な領域において潜在的な価値を示す。
このような画像データに同時代の教師付き画像解析手法を採用するには、まずクリーン化と整理を行い、次に特定のドメインで使用される命名書に手動でラベル付けする必要がある。
我々はPludシステムの設計と実装を行い、専門家が費やした労力を最小限に抑え、現実的な大量の画像の収集を処理した。
論文 参考訳（メタデータ） (2020-03-09T17:03:05Z)
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。