众包目标分割中质量控制与超像素技术应用.pdfVIP

Q众包目标分割中的质量控制

卡贝萨斯，阿克塞尔·卡利耶，·维拉AmaiaSalvador，XavierGiro-i-Nieto∗

Universit´éde加泰理工大学巴塞罗那，加泰

Toulouse图卢兹，法国

1展示了3个点，代表对三个像素的标注：绿色点表示前景像素，

本文探讨了用于处理众包目标分割任务中噪声数据的处理技术。红色点表示背景像素。如果这些相同的点被分配到不同的视觉

我们使用通过Click’n’Cut（一种交互式分割工具）收集的区域（中间），它们可能看起来是连贯的；但如果对同一区域提

数据，并进行了多项实验以改进分割结果。首先，我们引入了不供了的（右侧），则可能显得不一致。通过自动分割算

同的基于超像素的技术来过滤用户的轨迹，并评估它们对分割结法定义这些区域，有助于区分一致的和噪声。

果的影响。其次，我们提出了不同的来检测并剔除潜在低质

量用户的轨迹，从而显著提升了性能。最后，我们展示了一种新

颖的基于超像素的分割算法，该算法无需任何先验过滤，而是根

据每个用户的专业水平对其贡献进行加权。

—目标分割，众包，，超像素，交互式分割图1。同一组前景和背景点击（左图）可能根据视觉上下文显

示为一致（中间）或不一致（右图）

1.引言

这个简单的例子说明了本研究的一个基本假设：计算机视

物体分割问题是计算机视觉中最具性的问题之一。它要求

觉可以帮助过滤用户输入，同时用户的输入也可以计算机

对图像中的某个特定物体，为每个像素分配一个二值：如果该

视觉算法实现更优的分割效果。我们的贡献主要体现在三个方

像素不属于该物体则为0，否则为1。物体分割在各种场景中已

面：对人类交互噪声进行过滤的用户过滤、点击过滤，以及根

被广泛研究，但在一般情况下仍然具有性。

据质量评估对用户贡献进行加权。

本文中，我们的实验聚焦于交互式分割，即通过人工反馈

辅助完成的物体分割任务。更具体地说，我们研究了一种特殊本文结构如下：第2节概述了交互式物体分割和众包用户

情况，其中的交互来自通过众包平台招募的大量用户。借助人轨迹过滤的相关研究；第3节描述了数据过程；第4节给出

类的帮助来完成物体分割是一个好主意，因为图像语义理解方了一些初步结果；第5节介绍了几种过滤方法；第6节探讨了基

面的局限性往往是计算机视觉方法的瓶颈。于用户加权的解决方案；最后，第7节总结了本文的研究结论

及未来工作方向。

在众包设置中，用户也被称为工人，他们通常不是所执行

任务的专家，而且大多数情况下是首次接触该任务。工人倾向于

选择能在最短时间内赚取最多的任务。从雇主的角度来看，

2.相关工作

将任务众包给工人比雇佣专家更经济。此外，工人数量众

多，且招募时间短。然而，这些工人中也有许多人不可靠，无法图像处理与