抽象的
我们建议对对象实例进行半自动注释的方法。尽管大多数当前方法将对象分割视为像素标记的问题，但我们在这里将其作为多边形预测任务施放，模仿了大多数当前数据集的注释方式。特别是，我们的方法是输入图像作物的输入，并顺序产生多边形的顶点，概述了对象。这允许人类注释器随时干扰并在需要时纠正顶点，从而产生注释者所需的准确分割。我们表明，我们的方法在城市景观中的所有阶级中加快了4.7倍的速度，同时在与原始的基础上达成了78.4％的一致性，与人类注释者之间的典型一致性相匹配。对于汽车，我们的加速因子为7.3，对于82.2％的一致性。我们进一步显示了我们看不见数据集的方法的概括能力。
作者
Wei-Chiu MA，Hang Chu，Bolei Zhou，拉奎尔·乌尔塔森（Raquel Urtasun），安东尼奥·托拉尔巴（Antonio Torralba）
会议
ECCV 2018
完整的纸
Uber ATG
注释