論文の概要: Efficient Annotation of Medieval Charters

• arxiv url: http://arxiv.org/abs/2306.14071v1
• Date: Sat, 24 Jun 2023 22:55:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 17:00:56.761065
• Title: Efficient Annotation of Medieval Charters
• Title（参考訳）: 中世憲章の効率的な注釈
• Authors: Anguelos Nicolaou, Daniel Luger, Franziska Decker, Nicolas Renet, Vincent Christlein, Georg Vogeler
• Abstract要約: 中世の憲章の分析である外交学は、古生物学を応用する主要な研究分野である。 本稿では,認証セグメンテーションのための効率的かつ効率的なアノテーション手法を提案する。 さらに、画素の物理長でデータを注釈し、回帰ニューラルネットワークを訓練して画像パッチから予測する。
• 参考スコア（独自算出の注目度）: 2.6214349237099173
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Diplomatics, the analysis of medieval charters, is a major field of research in which paleography is applied. Annotating data, if performed by laymen, needs validation and correction by experts. In this paper, we propose an effective and efficient annotation approach for charter segmentation, essentially reducing it to object detection. This approach allows for a much more efficient use of the paleographer's time and produces results that can compete and even outperform pixel-level segmentation in some use cases. Further experiments shed light on how to design a class ontology in order to make the best use of annotators' time and effort. Exploiting the presence of calibration cards in the image, we further annotate the data with the physical length in pixels and train regression neural networks to predict it from image patches.
• Abstract（参考訳）: 中世の憲章の分析である外交学は、古生物学を応用する主要な研究分野である。 注釈を付けるには、専門家による検証と修正が必要である。 本稿では,認証セグメンテーションのための効率的かつ効率的なアノテーション手法を提案する。 このアプローチにより、パレグラファーの時間をはるかに効率的に利用することができ、いくつかのユースケースでピクセルレベルのセグメンテーションを競い合い、上回る結果を生み出すことができる。 さらなる実験は、アノテーションの時間と労力を最大限に活用するためにクラスオントロジーを設計する方法に光を当てた。 さらに,画像中のキャリブレーションカードの存在を利用して,画素内の物理長にアノテートし,回帰ニューラルネットワークを訓練し,画像パッチから予測する。

関連論文リスト

• Enabling Quick, Accurate Crowdsourced Annotation for Elevation-Aware Flood Extent Mapping [6.55068241536296]
  FloodTraceは、機械学習トレーニングデータに対する浸水領域アノテーションの効果的なクラウドソーシングを可能にするアプリケーションである。 我々は,不確実性ビジュアライゼーションにインスパイアされた手法を用いて,集約されたクラウドソースアノテーションと不正確さをレビューするフレームワークを提供する。
  論文  参考訳（メタデータ） (2024-07-31T23:42:05Z)
• Human-machine Interactive Tissue Prototype Learning for Label-efficient Histopathology Image Segmentation [18.755759024796216]
  ディープ・ニューラル・ネットワークは、画像セグメンテーションを大幅に進歩させたが、通常は豊富なデータを必要とする。 本稿では,ラベル効率のよい組織原型辞書構築パイプラインを提案し,得られた原型を用いて病理組織像のセグメンテーションを導くことを提案する。 人間の機械的対話型組織プロトタイプ学習法は,完全教師付きベースラインと同等のセグメンテーション性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-11-26T06:17:21Z)
• From colouring-in to pointillism: revisiting semantic segmentation supervision [48.637031591058175]
  本稿では,意味的セグメンテーションアノテーションに対するポジリスト的アプローチを提案する。 Open Imagesデータセットで4,171のクラスに2260万のポイントラベルを収集してリリースしました。
  論文  参考訳（メタデータ） (2022-10-25T16:42:03Z)
• Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
  この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。 画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。 提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-10-29T16:51:16Z)
• 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)
• Leveraging Self-Supervision for Cross-Domain Crowd Counting [71.75102529797549]
  混雑したシーンで人をカウントするための最先端の方法は、群衆密度を推定するために深いネットワークに依存します。 われわれのネットワークは、通常の画像から逆さまの実際の画像を認識できるように訓練し、その不確実性を予測する能力を組み込む。 このアルゴリズムは、推論時に余分な計算をせずに、最先端のクロスドメイン群をカウントするアルゴリズムを一貫して上回る。
  論文  参考訳（メタデータ） (2021-03-30T12:37:55Z)
• Deep Multilabel CNN for Forensic Footwear Impression Descriptor Identification [0.9786690381850356]
  我々は、法医学的ユースケースにおいて、Emphdescriptorsとして知られる履物印象の特徴を分類するために、深層学習アプローチを採用する。 我々は、異なるドメインのデータに基づいて事前訓練されたニューラルネットワークに、サンプル化されたグレースケールインプレッションを供給するための技術を開発し、評価する。
  論文  参考訳（メタデータ） (2021-02-09T19:39:28Z)
• Grafit: Learning fine-grained image representations with coarse labels [114.17782143848315]
  本稿では,学習ラベルの提供するものよりも細かな表現を学習する問題に対処する。 粗いラベルと下層の細粒度潜在空間を併用することにより、カテゴリレベルの検索手法の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-11-25T19:06:26Z)
• From ImageNet to Image Classification: Contextualizing Progress on Benchmarks [99.19183528305598]
  ImageNet作成プロセスにおける特定の設計選択が、結果のデータセットの忠実性に与える影響について検討する。 私たちの分析では、ノイズの多いデータ収集パイプラインが、結果のベンチマークと、それがプロキシとして機能する実世界のタスクとの間に、体系的なミスアライメントをもたらす可能性があることを指摘しています。
  論文  参考訳（メタデータ） (2020-05-22T17:39:16Z)
• Manifold-driven Attention Maps for Weakly Supervised Segmentation [9.289524646688244]
  本稿では,視覚的に有意な領域を強化するために,多様体駆動型注意ネットワークを提案する。 提案手法は,余分な計算を必要とせずに,推論中により優れた注意マップを生成できる。
  論文  参考訳（メタデータ） (2020-04-07T00:03:28Z)

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。