面向目标检测的数据集标签遗漏的协同修正技术

作     者：周定威 扈静 张良锐 段飞亚 ZHOU Dingwei;HU Jing;ZHANG Liangrui;DUAN Feiya

作者机构：合肥工业大学机械工程学院合肥230009 

基　　金：安徽省重点研究与开发计划项目(JZ2016AKKG0837) 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2024年第60卷第8期

页      码：267-273页

摘      要：针对图像标注中疲劳、粗心等因素引起的标签遗漏现象,使得模型训练时难以正确区分正负样本,进而影响模型性能。设计了一种协同修正技术,通过多次迭代更新训练集,将潜在无标签的目标进行对象擦除,降低训练集的错误监督信息,避免人工的重复检查和重复标注。该方法无需进行算法参数调整、不依赖具体网络结构,低成本地减少数据集错误从而提升模型训练精度。在YOLOv5算法的实验基础上表明协同修正操作仅迭代1次即有明显的改善效果,并在多个公共数据集上能够提升0.4%~1.4%的检测精度,当数据集中的标签遗漏率达到40%时依然能够生效。该方法对数据集中样本的数据量和类别数没有限制,可应用于电商、遥感、通用等多种目标检测场景,保持着较好的鲁棒性和泛化性。

主 题 词：协同修正 标签遗漏 数据集优化 目标检测 深度学习 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3778/j.issn.1002-8331.2302-0056

馆 藏 号：203127472...