抽象的
我们提出了一种对象实例的半自动注释方法。虽然大多数当前方法将对象分段视为像素标记问题，但我们在这里将其投用为多边形预测任务，模拟了大多数当前数据集的注释方式。特别地，我们的方法用作输入图像裁剪并顺序地产生概述对象的多边形的顶点。这允许人类的注释器随时干扰并在需要时校正顶点，根据注释器根据需要产生精确的分段。我们表明，我们的方法在城市景观的所有课程中速度加快了4.7倍，同时在IOU与原始地面真理中实现了78.4％的协议，符合人类注册人之间的典型协议。对于汽车，我们的加速因素为7.3，同意为82.2％。我们进一步显示了我们对看不见数据集的方法的泛化能力。
作者
会议
3dv 2018.
全文
优步阿格
注释