ICCVJan, 2021

视觉目标跟踪的半自动注释

PDF
TL;DR本论文提出了一种半自动化的包围盒标注方法，利用跟踪 - 检测方法和时间信息，采用现成的目标检测器训练，利用多重假设追踪 (MHT) 来提高检测结果的可靠性，并使用人工评估来进行迭代标注。通过实验显示，该方法可以将标注工作量减少 96%。
semi-automatic bounding boxvisual object trackingtracking-by-detectionmultiple hypothesis trackingincremental learning approach
发现论文，激发创造
  • 从自动注释中学习多目标跟踪与分割

    本文介绍了一种新型的自动生成训练数据代码库，以及改进了最先进的多目标跟踪和分割方法。文章提出了跟踪挖掘算法和 MOTSNet 的深度学习跟踪方法，并在 KITTI MOTS 数据集上取得了显著的性能提升。

    Dec, 2019

  • 跟踪与传递：通过观看视频模拟强人类监督以进行弱监督目标检测

    该论文介绍了一种利用弱标记视频中的跟踪对象框传输到弱标记图像中生成伪 Ground Truth 框的框架，用以训练对象检测器，该方法包括从弱标记图像集合中挖掘分辨率区域以形成伪 GT 框，然后设计霍夫变换算法对每个图像投票以选择最佳盒子，目前已在 PASCAL 2007 和 2010 数据集上实现了最先进的弱监督检测结果。

    Apr, 2016

  • 室内场景目标检测的更快边界框标注

    本文提出了一种快速边界框注释的方法，该方法分为两个阶段：第一步手动标注数据集的一部分，第二步采用第一阶段注释的模型对其余样本进行注释。我们还介绍了一个新的完全标记的室内场景物体检测数据集，使用几种最先进的模型对其训练，并在速度和准确性方面进行了比较。

    Jul, 2018

  • PathTrack: 利用路径监督实现快速的轨迹注释

    本文介绍了一种有效的框架以及注释轨迹的方法，用于生成具有前所未有的规模的 MOT 数据集，并通过验证表明我们的方法比现有技术更加准确和高效。此外，我们还 crowdsourcing 了 PathTrack 数据集，这个大规模的数据集将对物体追踪及目标识别领域产生重要影响，证明了这个数据集的价值，并且用已有的数据训练之后另行测评的结果证明了我们的方法的有效性。

    Mar, 2017

  • 带可见状态的边界框注释

    提出了一种通过移动相机进行捕捉的自动化注释方法，并通过游戏化应用程序特性来捕获多视图图像数据集，降低了人们的心理负担和时间压力，从而增加了参与度。

    Apr, 2023

  • 通过动画跟踪：多物体注视跟踪的无监督学习

    提出了一种称为 “Tracking-by-Animation” 的跟踪框架，通过利用可微分的神经模型对多个对象进行跟踪，并在重构帧中动画化这些对象，从而实现了无需标记数据的端到端 MOT 学习。同时进一步提出了优化数据关联的 “Reprioritized Attentive Tracking” 模型。

    Sep, 2018

  • 一种无尺度轨迹简化方法以在视频中高效采集数据

    本文介绍了一种半自动数据标注的方法，通过简化跟踪系统中的物体轨迹来减少手动校正的帧数，从而更高效地生成带标签的训练数据集。在 MOT 数据集上，它将需要手动校正的帧数减少了 30 倍，同时保持 89.61% 的 HOTA 得分；在 SoccerNet 数据集上，它将需要手动校正的帧数减少了 10 倍，同时达到了 79.24% 的 HOTA 得分；在 DanceTrack 数据集上，它将需要手动校正的帧数减少了 10 倍，同时达到了 85.79% 的 HOTA 得分。

    Apr, 2023

  • 基于选择和细化的视觉跟踪视频注释

    提出了一种新的框架，利用选择和细化策略自动改进跟踪算法生成的初始注释，包括一个时间评估网络和一个视觉几何改进网络，它们共同提供了一个原则性的方法来确保自动视频注释的质量，并且在大规模跟踪基准测试中表现出高度准确性。

    Aug, 2021

  • 利用预训练的 3D 物体检测模型实现快速标签生成

    本文介绍了一种新的标注方法，将人类监督与预训练的神经网络相结合，生成每个实例的三维点云分割，三维边界框和类别注释，以减少训练自动驾驶的 3D 物体检测器所需的任务复杂性和注释人员所需的任务切换量，实验结果表明，该方法相比传统方法减少了 30 倍人工标注时间。

    Jul, 2018

  • 观察和学习：从视频中半监督学习目标检测器

    本文提出一种半监督的方法，用于在长视频中定位多个未知的物体实例，通过这种方法可以有效地进行对象检测和跟踪，同时实现对大量静态物体实例的识别。

    May, 2015