論文の概要: An Empirical Study of Uncertainty in Polygon Annotation and the Impact of Quality Assurance

• arxiv url: http://arxiv.org/abs/2311.02707v1
• Date: Sun, 5 Nov 2023 16:44:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 16:17:21.473742
• Title: An Empirical Study of Uncertainty in Polygon Annotation and the Impact of Quality Assurance
• Title（参考訳）: ポリゴンアノテーションの不確実性と品質保証の影響に関する実証的研究
• Authors: Eric Zimmermann, Justin Szeto, Frederic Ratle
• Abstract要約: 本稿では,ポリゴンアノテーションの本質的不確実性と,その効果を最小限に抑える上で品質保証が果たす役割について検討する。 その結果、ポリゴンアノテーションの信頼性は、シーンや形状の複雑さと同様に、レビュー手順に依存することが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Polygons are a common annotation format used for quickly annotating objects in instance segmentation tasks. However, many real-world annotation projects request near pixel-perfect labels. While strict pixel guidelines may appear to be the solution to a successful project, practitioners often fail to assess the feasibility of the work requested, and overlook common factors that may challenge the notion of quality. This paper aims to examine and quantify the inherent uncertainty for polygon annotations and the role that quality assurance plays in minimizing its effect. To this end, we conduct an analysis on multi-rater polygon annotations for several objects from the MS-COCO dataset. The results demonstrate that the reliability of a polygon annotation is dependent on a reviewing procedure, as well as the scene and shape complexity.
• Abstract（参考訳）: ポリゴンは、インスタンスセグメンテーションタスクでオブジェクトをすばやくアノテートするために使われる一般的なアノテーションフォーマットである。 しかし、実世界の多くのアノテーションプロジェクトはピクセル完全に近いラベルを要求する。 厳格なピクセルガイドラインが成功したプロジェクトの解決策であるように見えるが、実践者は要求された作業の実現可能性を評価することができず、品質の概念に挑戦する共通の要因を見落としていることが多い。 本稿では,ポリゴンアノテーションの本質的不確かさと,その効果を最小化する上で品質保証が果たす役割について検討し,定量化する。 この目的のために、MS-COCOデータセットから複数のオブジェクトに対するマルチラタポリゴンアノテーションの解析を行う。 その結果,ポリゴンアノテーションの信頼性は,シーンや形状の複雑さだけでなく,レビュー手順にも依存することがわかった。

関連論文リスト

• Weakly-Supervised Cross-Domain Segmentation of Electron Microscopy with Sparse Point Annotation [1.124958340749622]
  カウント,検出,セグメンテーションタスク間の相関を利用したマルチタスク学習フレームワークを提案する。 ラベル拡張のためのクロスポジションカット・アンド・ペーストを開発し,エントロピーに基づく擬似ラベル選択を行う。 提案手法は, UDA法を著しく上回り, 教師付き手法と同等の性能を発揮する。
  論文  参考訳（メタデータ） (2024-03-31T12:22:23Z)
• Metrics reloaded: Recommendations for image analysis validation [59.60445111432934]
  メトリクスのリロード(Metrics Reloaded)は、メトリクスの問題を意識した選択において研究者を導く包括的なフレームワークである。 このフレームワークは多段階のDelphiプロセスで開発され、問題指紋という新しい概念に基づいている。 問題指紋に基づいて、ユーザは適切なバリデーションメトリクスを選択して適用するプロセスを通じてガイドされる。
  論文  参考訳（メタデータ） (2022-06-03T15:56:51Z)
• Uncertainty-Aware Multi-View Representation Learning [53.06828186507994]
  動的不確実性認識ネットワーク(DUA-Nets)と呼ばれる新しい教師なし多視点学習手法を考案する。 生成視点から推定されるデータの不確実性により、複数の視点からの固有情報が統合され、ノイズのない表現が得られる。 本モデルでは, 広範囲な実験において優れた性能を示し, ノイズの多いデータに対するロバスト性を示す。
  論文  参考訳（メタデータ） (2022-01-15T07:16:20Z)
• Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
  近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。 高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。 このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
  論文  参考訳（メタデータ） (2021-05-27T23:34:06Z)
• Unsupervised Part Segmentation through Disentangling Appearance and Shape [37.206922180245265]
  対象部品の非監視的発見とセグメンテーションの問題について検討する。 最近の教師なし手法は注釈付きデータへの依存を大いに緩和している。 対象部品の外観と形状の表現を両立させることにより,新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-05-26T08:59:31Z)
• A Survey of Orthogonal Moments for Image Representation: Theory, Implementation, and Evaluation [70.0671278823937]
  モーメントに基づく画像表現は、セマンティック記述のコア条件を満たすのに有効であると報告されている。 本稿では,画像表現における直交モーメントの包括的調査を行い,高速/精度計算,ロバスト性/不変性最適化,定義拡張の最近の進歩について述べる。 提案した理論分析,ソフトウェア実装,評価結果は,特に新しい技術開発や実世界の応用の促進において,コミュニティを支援することができる。
  論文  参考訳（メタデータ） (2021-03-27T03:41:08Z)
• Deep Partial Multi-View Learning [94.39367390062831]
  クロスパーシャル・マルチビュー・ネットワーク(CPM-Nets)と呼ばれる新しいフレームワークを提案する。 我々はまず、多視点表現に対する完全性と汎用性の形式的な定義を提供する。 そして、理論的に学習された潜在表現の多元性を証明する。
  論文  参考訳（メタデータ） (2020-11-12T02:29:29Z)
• Multi-view Alignment and Generation in CCA via Consistent Latent Encoding [34.57297855115903]
  マルチビューアライメントは多くの実世界のマルチビューアプリケーションにおいて重要である。 本稿ではベイズの視点から多視点アライメントを考察する。 本稿では,一貫した潜伏符号化を実現する Adversarial CCA (ACCA) を提案する。
  論文  参考訳（メタデータ） (2020-05-24T10:50:15Z)
• Enabling Viewpoint Learning through Dynamic Label Generation [10.228754362756153]
  提案手法は,異なる対象カテゴリのモデルに対する視点予測を学習するのにどう役立つかを示す。 本研究では,SOTA(State-of-the-art)の視点品質評価と比較して,予測時間が数分から1秒に短縮されることを示す。
  論文  参考訳（メタデータ） (2020-03-10T11:49:27Z)
• Object Detection as a Positive-Unlabeled Problem [78.2955013126312]
  本稿では,未ラベル領域が負でなければならないという仮定を排除し,対象検出を正の未ラベル(PU)問題として扱うことを提案する。 提案するPU分類の損失は, PASCAL VOCやMS COCO, Visual GenomeやDeepLesionなど, ラベルの欠如により, 標準的なPN損失よりも優れていた。
  論文  参考訳（メタデータ） (2020-02-11T20:49:34Z)

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。