提高计算机视觉深度学习算法的注释效率

有几种方法可以改善这种情况，例如选择正确的数据集来发送标签，而不是发送所有帧，使用自我监督方法预训练深度学习网络，或者使用标签有效免费的合成数据。然而，在这篇文章中，我们关注的是标签任务本身。

减少注释工作量的一种方法是“预标记”图像，因此，我们将任务转换为纠正“预标记”的错误，而不是让标注人员对每个像素进行注释。下一个问题是如何预先标记图像。在前深度学习时代的早期工作中，在为视频监控构建学术数据集时，我们提出了一个基于背景减法和物体检测的早期版本的预标签:

更多关于离线生成高质量的背景减法数据．

更多关于交互式生成的“ground-truth”背景从部分标记中减去例子．

在更近的时代，标签前解决方案的答案在于深度学习本身的使用(如下面的动画所示):

如果我们能够手动标记一定数量的数据，就可以训练网络或网络集合来完成这项任务。网络集成本质上是指使用多个网络来完成手头的任务，每个网络都适用于某个特定方面。例如，一个网络可以非常准确地识别道路和路标，另一个则可以识别其他东西。集成将这些不同网络的输出结合在一起，记住它们对该对象类别的性能。不可否认，考虑到我们通常在集合中使用4-5个网络，推断图像所需的时间可能会更高。然而，预标记任务与在嵌入式硬件上使用感知堆栈进行推理的一个区别是，我们不受时间或内存的限制，即我们可以在PC环境中使用多个gpu来生成预标记。

下图显示了我们通过使用单个网络、两个网络和四个网络在工作上的一些质的改进。

我们在工作中观察到的一个现象是，虽然这样的性能提升确实是可以实现的，但当我们考虑使用非通用dnn的常规要求的预标签时，还有更有趣的用户方面开始发挥作用，其中的想法是在平均交集超过联合(mIoU)指标方面获得最高水平的性能。例如:考虑一个网络为图像产生特定的mIoU，其中误差在图像的区域中均匀分布，而另一个网络产生相同的mIoU，但误差不均匀分布。相反，有些区域的分割是高度准确的，而有些区域的分割是不准确的。即使mIoU更低，标签师也更喜欢后者网络，因为他们更容易保持准确的分割，并从头开始纠正错误的分割，而不是花时间纠正每个对象中的小错误。

此外，当转向使用预标签时，前端校正工具要注意这一点是很重要的。例如，典型的标记工具涉及基于多边形的对象标记。当我们使用预标签时，与多边形产生的边界相比，边界要密集得多，使得多边形点的数量太大。在存在误差的情况下，使用主动轮廓法是可行的，其中提供了一对锚点来正确地捕捉边界。

预标记在注释工作方面具有优势。但是，必须在标记工具中集成几个用户界面元素才能实现这些效果。我们在Bosraybet雷竞技ios下载ch Research建立了一个工具，结合了我们上面的一些观察，并发现与标准多边形注释方法相比，我们可以实现近70%的效率提升。通过使用时间同步多模态传感器，如激光雷达和雷达，可以在此过程中实现进一步的增益。

感谢博世研究院和罗伯特·博世印度的同事在这项工作中所做的贡献。raybet雷竞技ios下载