Video Annotation for Visual Tracking via Selection and Refinement
Dalian University of Technology（大连理工大学）；CSA Intellicloud Ltd（CSA 智云有限公司）；Remark Holdings（Remark Holdings公司）
基于深度学习的视觉跟踪器需要在大量视频数据集上进行离线预训练，这些视频数据集具有精确的限界框注释，而实现这些注释的劳动力成本很高。我们提出了一个新的框架，以促进限界框注释的视频序列，调查的选择和细化策略，自动提高跟踪算法产生的初步注释。提出了一种时间评估网络（T-Assess Net），该网络能够捕获目标位置的时间相关性，并通过测量其质量来选择可靠的跟踪结果。同时，视觉几何细化网络（VG-Refine Net）也被设计为进一步增强所选择的跟踪结果，通过考虑目标外观和时间几何约束，允许不准确的跟踪结果进行校正。上述两种网络的结合提供了一种原则性的方法来确保自动视频标注的质量。在大规模跟踪基准上的实验表明，我们的方法可以提供高度准确的限界框注释，并显着减少94.0%的人工劳动，产生一种有效的手段，以进一步提高跟踪性能与增强训练数据。
2021-08-09 cs.CV
Semi-Automatic Annotation For Visual Object Tracking
Middle East Technical University（中东技术大学）
我们提出了一个半自动的限界框标注方法，利用时间信息与跟踪检测的方法进行视觉对象跟踪。对于检测，我们使用一个现成的对象检测器，它是迭代训练与所提出的方法生成的注释，我们独立地对每帧执行目标检测。我们采用多假设跟踪（MHT），利用时间信息，并减少误报的数量，这使得有可能使用较低的目标阈值检测，以增加召回。由MHT形成的轨迹由人类操作员评估以扩大训练集。这种新颖的增量学习方法有助于迭代地执行注释。在AUTH Multidrone数据集上进行的实验表明，该方法可以减少高达96%的标注工作量。
2021-08-19 cs.CV
No Free Lunch in Annotation either: An objective evaluation of foundation models for streamlining annotation in animal tracking
Institute of Imaging and Computer Vision, RWTH Aachen University（亚琛工业大学成像与计算机视觉研究所）；Institute for Laboratory Animal Science, RWTH Aachen University（亚琛工业大学实验动物科学研究所）
本文客观评估了基础模型在动物追踪标注生成中的效果，发现盲目使用自动标注会降低模型性能，而将自动标注与人工标注合理结合可获得IDF1 80.8的更好结果。
2025-02-06 cs.CV
Learning Tracking Representations from Single Point Annotations
City University of Hong Kong（香港城市大学）
针对深度跟踪器边界框标注成本高的问题，提出融入目标物体性先验的软对比学习SoCL框架，以单点标注弱监督学习跟踪表征，在降低标注成本的同时实现了优异且抗噪的跟踪性能。
2024-04-15 cs.CV
ARGUSTRACK: A Multi-View Annotation System for Multi-Object Tracking
AICV Lab, University of Arkansas（阿肯色大学AICV实验室）
提出ARGUSTRACK多相机标注系统，通过鸟瞰图平面直接标注并自动投影到各视图，结合时间传播和半自动生成候选框，显著减少多相机多目标跟踪的标注时间。
2026-06-23 cs.CV
MOTS: Multi-Object Tracking and Segmentation
RWTH Aachen University（亚琛工业大学）；MPI for Intelligent Systems（马克斯·普朗克智能系统研究所）；University of Tübingen（图宾根大学）
本文将多目标跟踪问题扩展到多目标跟踪与分割（MOTS）。为了实现这一目标，我们使用半自动注释程序为两个现有的跟踪数据集创建密集的像素级注释。我们的新注释包括65，213个像素掩码，用于10，870个视频帧中的977个不同对象（汽车和行人）。对于评估，我们扩展现有的多对象跟踪指标，这个新的任务。此外，我们提出了一种新的基线方法，该方法通过单个卷积网络联合解决检测，跟踪和分割问题。我们通过在MOTS注释上训练时实现性能的改进来证明我们的数据集的价值。我们相信，我们的数据集、指标和基线将成为开发超越2D边界框的多目标跟踪方法的宝贵资源。我们在https://www.vision.rwth-aachen.de/page/mots上提供注释、代码和模型。
2019-04-08 cs.CV
High-frequency near-eye ground truth for event-based eye tracking
Politecnico di Milano（米兰理工大学）；EssilorLuxottica Italia S.p.A.（依视路陆逊梯卡意大利股份公司）
针对事件相机眼动追踪数据集稀缺且缺乏眼级标注的问题，本文提出了一个改进版数据集和半自动标注流程，并提供200Hz瞳孔检测真值，以支持算法验证与深度学习训练。
2025-02-05 cs.CV
TrackMe:A Simple and Effective Multiple Object Tracking Annotation Tool
University of Arkansas（阿肯色大学）
本文提出 TrackMe 多目标跟踪标注工具，通过改造 LabelMe 降低标注门槛，为动物跟踪等场景提供简单、兼容且低硬件需求的数据标注方案。
2024-10-20 cs.CV
Towards Automatic Video Annotation with ASH: Zero-Shot Open-Vocabulary Multi-Object Tracking and Segmentation
University of Windsor（温莎大学）
本文提出GPT和ASH两项技术，将SAM3扩展为零样本开放词汇多目标跟踪与分割，实现任意长度视频的自动标注，在MOTS20上达到最先进性能且内存低于25GB。
2026-10-02 cs.CV
Improving Human Annotation in Single Object Tracking
Temple University（天普大学）；Amazon Web Services（亚马逊云科技）；Stony Brook University（石溪大学）
在视频对象跟踪任务中，人类标注通常被认为是地面实况。它用于培训和评估目的。因此，确保其高质量是跟踪器和它们之间的评估成功的重要任务。在本文中，我们给出了一个定性和定量分析现有的人类注释。我们发现，人类注释往往是不平滑的，容易出现部分可见性和变形。我们提出了一个平滑的轨迹策略，能够处理移动场景。我们使用两步自适应图像对齐算法来找到视频序列的规范视图。然后，我们使用不同的技术来平滑的轨迹在一定程度上。一旦我们转换回原始图像坐标，我们就可以与人类注释进行比较。结合实验结果，我们可以得到更一致的轨迹。在一定程度上，它也可以稍微改善训练模型。如果超过某个阈值，平滑误差将开始吞噬收益。总的来说，我们的方法可以帮助外推丢失的注释帧或识别和纠正人类注释离群值，以及帮助提高训练数据质量。
2019-11-07 cs.CV
LATTE: Accelerating LiDAR Point Cloud Annotation via Sensor Fusion, One-Click Annotation, and Tracking
Berkeley AI Research（伯克利人工智能研究院）；University of California, Berkeley（加州大学伯克利分校）；Huaqiao University（华侨大学）
LiDAR（光探测和测距）是自动驾驶汽车的一种重要且广泛采用的传感器，特别是对于那些在更高级别（L4-L5）自动驾驶下运行的车辆。最近的工作已经证明了深度学习方法对基于LiDAR的检测的承诺。然而，深度学习算法非常需要数据，需要大量标记的点云数据进行训练和评估。由于以下问题，对LiDAR点云数据进行注释具有挑战性：1）LiDAR点云通常是稀疏的并且具有低分辨率，使得人类注释者难以识别对象。2)与2D图像上的注释相比，在LiDAR点云上绘制3D边界框甚至逐点标签的操作更加复杂和耗时。3)LiDAR数据通常是按顺序收集的，因此连续的帧高度相关，导致重复注释。为了应对这些挑战，我们提出了LATTE，这是一种用于LiDAR点云的开源注释工具。LATTE具有以下创新：1）传感器融合：我们利用基于图像的检测算法自动预标记校准图像，并将标签转移到点云。2)一键标注：我们没有绘制3D边界框或逐点标签，而是将注释简化为只需单击目标对象，并自动生成目标的限界框。3)跟踪：我们将跟踪集成到序列注释中，使得我们可以将标签从一个帧转移到后续帧，从而显著减少重复标记。实验结果表明，该特征将标注速度提高了6.2倍，显著提高了标注质量，实例级准确率和召回率分别提高了23.6%和2.2%，限界框IoU提高了2.0%。LATTE在https://github.com/bernwang/latte上是开源的。
2019-04-19 cs.CV
Multi-Object Tracking with Hallucinated and Unlabeled Videos
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Amazon Web Services（亚马逊云服务）
在本文中，我们探索了在没有跟踪注释的情况下学习端到端深度神经跟踪器。这一点很重要，因为大规模训练数据对于训练深度神经跟踪器至关重要，而跟踪注释的获取成本很高。在跟踪注释的地方，我们首先幻觉视频从图像与限界框注释使用放大/缩小运动变换，以获得免费的跟踪标签。我们添加视频模拟增强来创建一个多样化的跟踪数据集，尽管只是简单的运动。接下来，为了解决更难的跟踪问题，我们在一个未标记的真实视频池中挖掘硬例子，跟踪器在我们的幻觉视频数据上进行训练。对于硬示例挖掘，我们提出了一个基于优化的连接过程，首先从未标记的视频池中识别并纠正硬示例。最后，我们使用幻觉数据和挖掘的硬视频示例联合训练我们的跟踪器。我们的弱监督跟踪器在MOT 17和TAO人员数据集上实现了最先进的性能。在MOT 17上，我们进一步证明了我们自己生成的数据和现有的手动注释数据的结合带来了额外的改进。
2021-08-19 cs.CV
Learning Multi-Object Tracking and Segmentation from Automatic Annotations
Mapillary Research（Mapillary研究中心）；Graz University of Technology（格拉茨理工大学）；Computer Vision Center, UAB（巴塞罗那自治大学计算机视觉中心）
在这项工作中，我们贡献了一个新的管道自动生成训练数据，并提高了国家的最先进的多目标跟踪和分割（MOTS）方法。我们提出的轨迹挖掘算法将原始街道级视频转换为高保真MOTS训练数据，具有可扩展性，并克服了昂贵和耗时的手动注释方法的需要。我们利用最先进的实例分割结果与光流预测相结合，也在自动收集的训练数据上进行训练。我们的第二个主要贡献是MOTSNet --一个用于MOTS的深度学习、通过检测进行跟踪的架构--部署了一个新的掩码池层，用于随着时间的推移改进对象关联。用我们自动提取的数据训练MOTSNet，可以显著提高新KITTI MOTS数据集上的sMOTSA分数（汽车/行人的sMOTSA分数为+1.9%/+7.5%），MOTSNet比MOTSChallenge数据集上以前最好的方法提高了+4.1%。我们最令人印象深刻的发现是，即使在完全没有手动注释的MOTS训练数据的情况下，我们也可以改进以前表现最好的作品。
2020-03-30 cs.CV
Efficient tracking of team sport players with few game-specific annotations
Université Paris-Saclay（巴黎萨克雷大学）；CEA（法国原子能与替代能源委员会）；List（列表实验室（注：List为CEA下属的List实验室，按要求提取到独立机构级别此处保留原名及直译））
团队运动分析的要求之一是跟踪和识别球员。在视频监控的背景下，已经提出了许多跟踪和重新识别方法。当在公共数据集（如MOT挑战）上进行测试时，它们显示出非常令人信服的结果。然而，这些方法的性能并不令人满意时，应用于球员跟踪。事实上，除了移动速度非常快而且经常被遮挡之外，球员们还穿着同样的球衣，这使得重新识别的任务非常复杂。一些最近的跟踪方法已经开发出更具体的团队运动的背景下。由于缺乏公共数据，这些方法使用私人数据集，无法与它们进行比较。在本文中，我们提出了一种新的通用方法来跟踪团队运动员在一个完整的游戏由于通过半交互式系统收集的人类注释很少。无歧义的tracklet及其外观特征是通过检测和重新识别网络自动生成的，这两个网络都是在公共数据集上预先训练的。然后，增量学习机制训练Transformer使用很少的游戏特定的人类注释对身份进行分类。最后，tracklet通过关联算法连接。我们证明了我们的方法在一个具有挑战性的七人制橄榄球数据集的效率。为了克服缺乏公共体育跟踪数据集的问题，我们在https://kalisteo.cea.fr/index.php/free-resources/上公开发布了这个数据集。我们还表明，我们的方法是能够跟踪橄榄球七人制球员在一个完整的比赛中，如果他们是在一个最小的分辨率，只有6个几秒长的tracklets每个球员的注释观察。
2022-04-08 cs.CV
LOST: A flexible framework for semi-automatic image annotation
Fulda University of Applied Sciences（富尔达应用科学大学）；Friedrich Schiller University Jena（耶拿弗里德里希·席勒大学）；L3P UG
最先进的计算机视觉方法依赖于大量的注释数据。这种数据的收集是一个耗时的过程，因为它主要是由人类执行。文献表明，半自动注释方法可以通过自动生成注释建议来支持注释器，从而显着加快注释过程。在本文中，我们提出了一个框架，允许快速和灵活的设计半自动注释管道。我们表明，一个好的设计过程将加快收集的注释。我们的贡献是一种新的方法，图像注释，允许不同的注释工具和机器学习算法在一个过程中的组合。我们进一步提出了我们的方法的潜在应用。我们的框架LOST（标签对象和保存时间）的源代码可以在https://github.com/l3p-cv/lost上找到。
2019-11-04 cs.CV
Semi-automatic Data Annotation System for Multi-Target Multi-Camera Vehicle Tracking
Shenzhen University（深圳大学）；Guangdong Laboratory of Artificial Intelligence and Digital Economy（广东省人工智能与数字经济实验室）
多目标多摄像机跟踪（MTMCT）在智能视频分析、监控视频检索等应用场景中发挥着重要作用。如今，基于深度学习的MTMCT已成为主流，并在跟踪精度和效率方面取得了令人瞩目的进步。然而，根据我们的调查，缺乏关注真实世界应用场景的数据集限制了当前基于学习的MTMCT模型的进一步改进。具体而言，基于学习的MTMCT模型训练的共同数据集通常不能在现实世界的应用场景中取得令人满意的结果。受此启发，本文提出了一个半自动的数据注释系统，以促进现实世界的MTMCT数据集的建立。该系统首先采用基于深度学习的单摄像机轨迹生成方法，从监控视频中自动提取轨迹。随后，系统在以下手动跨相机轨迹匹配过程中提供推荐列表。推荐列表是基于边信息生成的，边信息包括相机位置、时间戳关系和背景场景。在实验阶段，大量的结果进一步证明了所提出的系统的效率。
2022-09-20 cs.CV
Locomotion and gesture tracking in mice and small animals for neurosceince applications: A survey
Universitat Oberta de Catalunya（加泰罗尼亚开放大学）
神经科学传统上依赖于在受控环境中手动观察实验室动物。研究人员通常记录动物自由或约束的行为，然后手动注释数据。手动注释是不可取的，原因有三：一是耗时，二是容易出现人为错误，三是没有两个人工注释者会100%同意注释，所以它是不可复制的。因此，这种数据的自动注释已经获得了牵引力，因为它是高效和可复制的。通常，神经科学数据的自动标注依赖于计算机视觉和机器学习技术。在本文中，我们介绍了研究人员对实验室动物的运动和手势跟踪所采取的大多数方法。我们根据他们使用的硬件和他们采用的软件方法对这些论文进行了分类。我们也总结了他们的优点和缺点。
2019-03-25 cs.CV
3D BAT: A Semi-Automatic, Web-based 3D Annotation Toolbox for Full-Surround, Multi-Modal Data Streams
University of California, San Diego（加州大学圣迭戈分校）
在本文中，我们专注于获得2D和3D标签，以及跟踪ID的道路上的物体的帮助下，一种新的3D限界框注释（3D BAT）。我们的开源、基于Web的3D BAT集成了多项智能功能，以提高可用性和效率。例如，此注释工具箱支持使用插值对轨迹进行半自动标记，这对于跟踪、运动规划和运动预测等下游任务至关重要。此外，通过将注释从3D空间投影到图像域中来自动获得所有相机图像的注释。除了原始图像和点云馈送外，还提供了由俯视图（鸟瞰图）、侧视图和前视图组成的主视图，以便从不同角度观察感兴趣的对象。我们的方法与其他公开可用的注释工具的比较表明，3D注释可以通过使用我们的工具箱更快，更有效地获得。
2019-05-01 cs.CV
ASIST: Annotation-free synthetic instance segmentation and tracking for microscope video analysis
Vanderbilt University（范德堡大学）；Tufts University（塔夫茨大学）
实例对象分割和跟踪提供跨显微镜视频的对象的全面量化。最近的单阶段基于像素嵌入的深度学习方法已经显示出与“分段然后关联”的两阶段解决方案相比的优越性能。然而，将基于监督像素嵌入的方法应用于显微镜视频的一个主要限制是资源密集型手动标记，其涉及跟踪数百个重叠对象及其跨视频帧的时间关联。受最近基于生成对抗网络（GAN）的无注释图像分割的启发，我们提出了一种新的无注释合成实例分割和跟踪（ASIST）算法，用于分析亚细胞微绒毛的显微镜视频。本文的贡献主要体现在三个方面：（1）提出了一种新的无注释视频分析范式。(2)将基于嵌入的实例分割和跟踪与无注释的合成学习聚合为一个整体框架;（3）据我们所知，这是第一次研究使用基于嵌入的深度学习来研究微绒毛实例分割和跟踪。从实验结果来看，与监督学习相比，所提出的无注释方法取得了更好的性能。
2020-11-02 cs.CV eess.IV
SPAMming Labels: Efficient Annotations for the Trackers of Tomorrow
Technical University of Munich（慕尼黑工业大学）；NVIDIA（英伟达）
针对跟踪数据集标注效率低的问题，本文提出基于预训练伪标签与统一图建模的视频标注引擎SPAM，仅需3%-20%人工工作量即可达到媲美人工标注的跟踪器训练效果，已开源相关资源。
2024-10-01 cs.CV
3D-POP -- An automated annotation approach to facilitate markerless 2D-3D tracking of freely moving birds with marker-based motion capture
University of Konstanz（康斯坦茨大学）；Max Planck Institute of Animal Behavior（马克斯·普朗克动物行为研究所）；Technische Universität München（慕尼黑工业大学）；Eötvös Loránd University（厄特沃什·罗兰大学）；Hungarian Academy of Sciences（匈牙利科学院）
机器学习和计算机视觉的最新进展正在彻底改变动物行为领域，使研究人员能够在没有任何标记的情况下跟踪自由移动的动物的姿势和位置。然而，用于无标记姿态跟踪的动物注释图像的大数据集，特别是从多个角度拍摄的具有准确3D注释的高分辨率图像，仍然很少。在这里，我们提出了一种方法，使用运动捕捉（mo-cap）系统，以半自动的方式获得大量的动物运动和姿势（2D和3D）的注释数据。我们的方法是新颖的，因为它提取的3D位置的形态关键点（如眼睛，喙，尾巴）在参考的位置标记附着到动物。使用这种方法，我们获得并在这里提供了一个新的数据集- 3D-POP，其中包含大约300 k注释帧（400万个实例），这些注释帧以视频的形式存在，其中包含来自3.6m x 4.2m区域中的4个不同相机视图的一到十只自由移动的鸟类。3D-POP是第一个具有2D和3D精确关键点注释以及限界框和个体身份的群集鸟类数据集，将有助于开发2D到3D无标记姿势，轨迹跟踪和鸟类识别问题的解决方案。
2023-03-23 cs.CV
GeneAnnotator: A Semi-automatic Annotation Tool for Visual Scene Graph
School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院）；College of Artificial Intelligence, Xi'an Jiaotong University（西安交通大学人工智能学院）
在这篇手稿中，我们介绍了一个半自动的场景图注释工具的图像，基因注释。该软件允许人类注释者以有向图的形式描述视觉场景中参与者之间的现有关系，从而实现对视觉关系的学习和推理，例如，图像描述、VQA和场景图生成等。某些图像数据集的注释可以合并到单个VG 150数据格式文件中，以支持大多数现有的场景图学习模型，也可以转换为每个图像的单独注释文件，以构建自定义数据集。此外，GeneAnnotator提供了一个基于规则的关系推荐算法，以减少繁重的注释工作量。与GeneAnnotator，我们提出了交通基因组，一个全面的场景图数据集与1000个不同的交通图像，这反过来验证了所提出的软件场景图注释的有效性。该项目的源代码，以及使用示例和示例数据可以在Apache开源许可证下的https：//github.com/Milomilo0320/A-Semi-automatic-Annotation-Software-for-Scene-Graph上获得。
2021-09-06 cs.CV
Learning to Track Instances without Video Annotations
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；NVIDIA（英伟达）；University of Oregon（俄勒冈大学）
跟踪多个实例的分割掩模已经被深入研究，但仍然面临两个基本挑战：1）大规模、逐帧注释的要求，以及2）两阶段方法的复杂性。为了解决这些挑战，我们引入了一个新的半监督框架，通过学习实例跟踪网络，只有一个标记的图像数据集和未标记的视频序列。通过实例对比目标，我们学习嵌入来区分每个实例。我们表明，即使只使用图像进行训练，所学习的特征表示对实例外观变化也具有鲁棒性，因此能够跨帧稳定地跟踪对象。我们通过以自我监督的方式从未标记的视频中学习对应关系来进一步增强嵌入的跟踪能力。此外，我们将该模块集成到单阶段实例分割和姿态估计框架中，与两阶段网络相比，这显著降低了跟踪的计算复杂性。我们在YouTube-VIS和PoseTrack数据集上进行实验。在没有任何视频注释工作的情况下，我们提出的方法可以实现与大多数完全监督方法相当甚至更好的性能。
2021-04-01 cs.CV
Exploring Decoupled Spatio-Temporal Consistency Learning and Self-Prompting Evolution for Self-Supervised Tracking
本研究提出SSTrack++自监督跟踪模型，通过弱到强自监督框架、解耦时空一致性策略等，在十个基准数据集上超越SOTA自监督跟踪方法，显著缩小与全监督跟踪器的性能差距。
2026-08-12 cs.CV
Nonlinear Dynamical Systems for Automatic Face Annotation in Head Tracking and Pose Estimation
School of Mathematical and Statistical Sciences, The University of Texas Rio Grande Valley（德克萨斯大学里奥格兰德河谷分校数学与统计科学学院）；MS2Discovery Interdisciplinary Research Institute, Wilfrid Laurier University（劳里埃大学MS2Discovery跨学科研究所）
该研究对比EKF与UKF在确定性及随机场景下的3D人脸跟踪性能，发现无噪声时UKF精度更高，含随机噪声时EKF鲁棒性更强，为相关应用的滤波技术选型提供参考。
2025-02-21 cs.CV
Automatic Parameter Adaptation for Multi-object Tracking
INRIA（法国国家信息与自动化研究所）
对象跟踪质量通常取决于视频上下文（例如对象遮挡水平、对象密度）。为了减少这种依赖性，本文提出了一种学习方法，以适应跟踪器参数的上下文变化。在离线阶段中，为视频上下文聚类学习令人满意的跟踪参数。在在线控制阶段，一旦检测到上下文变化，就使用学习值来调谐跟踪参数。实验结果表明，该方法的性能优于现有的跟踪器。本文的主要贡献有两个方面：（1）提出了一种基于视频序列分类的离线跟踪参数学习方法;（2）提出了一种基于跟踪上下文的在线跟踪参数调整方法。
2013-05-13 cs.CV
Leveraging Automatic CAD Annotations for Supervised Learning in 3D Scene Understanding
Inst. of Visual Computing, Graz Univ. of Technology, Austria（视觉计算研究所，格拉茨技术大学，奥地利）；LIGM, École des Ponts et Chaussees, IP Paris, CNRS, France（LIGM，巴黎理工学院，IP巴黎，CNRS，法国）
针对3D场景理解中人工3D标注难度大、成本高的问题，提出用自动CAD模型检索生成的标注作为监督训练真值，在ScanNet++ v1上验证其训练的模型在两项任务上优于人工标注训练的模型，并发布标注集与模型。
2025-05-16 cs.CV
Automatic dense annotation of large-vocabulary sign language videos
University of Oxford（牛津大学）；Univ Paris-Saclay（巴黎萨克雷大学）；CNRS（法国国家科学研究中心）；University of Cambridge（剑桥大学）；École des Ponts（巴黎桥路学院）；Univ Gustave Eiffel（古斯塔夫·埃菲尔大学）
最近，手语研究人员已经转向手语翻译的电视广播，其包括（i）连续手语的视频和（ii）对应于音频内容的字幕，作为训练数据的容易获得的和大规模的源。这种数据的可用性的一个关键挑战是缺乏标志注释。以前的工作利用这种弱对齐的数据只发现字幕中的关键字和单个标志之间的稀疏对应关系。在这项工作中，我们提出了一个简单的，可扩展的框架，大大增加了自动注释的密度。我们的贡献如下：（1）我们通过使用同义词和字幕标记对齐显著改进了以前的注释方法;（2）我们展示了从符号识别模型中伪标记作为符号发现方式的价值;（3）我们提出了一种新的方法来增加我们基于域内范例的已知和未知类的注释;（4）在BOBSL BSL手语语料库上，将可信自动标注的数量从670 K增加到5 M。我们公开这些注释，以支持手语研究社区。
2022-08-04 cs.CV
CDTB: A Color and Depth Visual Object Tracking Dataset and Benchmark
University of Ljubljana（卢布尔雅那大学）；Tampere University（坦佩雷大学）；Czech Technical University in Prague（捷克布拉格技术大学）
提出了一种长期的视觉目标跟踪性能评估方法和基准测试。性能度量的设计遵循长期跟踪定义，以最大限度地提高分析探测强度。新的措施优于现有的解释潜力和更好地区分不同的跟踪行为。我们表明，这些措施概括了短期的性能指标，从而将两个跟踪问题。此外，新的措施是非常强大的时间注释稀疏性，并允许注释的序列比在当前数据集长数百倍，而不增加人工注释劳动。提出了一个新的具有挑战性的数据集，精心挑选的序列与许多目标失踪。提出了一种新的跟踪分类定位跟踪器的短期/长期频谱。该基准包含对最大数量的长期跟踪器的广泛评估，并与最先进的短期跟踪器进行比较。我们分析了跟踪架构实现对长期性能的影响，并探讨了各种重新检测策略以及视觉模型更新策略对长期跟踪漂移的影响。该方法集成在VOT工具包中，以自动进行实验分析和基准测试，并促进长期跟踪器的未来开发。
2019-07-01 cs.CV
Automatic Annotation of Axoplasmic Reticula in Pursuit of Connectomes using High-Resolution Neural EM Data
The Johns Hopkins University（约翰霍普金斯大学）；The Johns Hopkins University Applied Physics Laboratory（约翰霍普金斯大学应用物理实验室）；Harvard University（哈佛大学）
在超微结构水平上准确估计大脑的接线图，即连接体，是一个开放的研究问题。具体来说，精确跟踪神经过程是困难的，特别是在许多图像切片上。在这里，我们提出了一种新的方法来自动识别和注释轴突中存在的小亚细胞结构，称为轴浆网，通过高分辨率神经电子显微镜数据的3D体积。我们的方法产生高精度的注释，这可以通过使用我们的结果作为分割的种子，并作为线索，以帮助段合并，以帮助提高自动分割。
2014-04-16 cs.CV
Performance Evaluation Methodology for Long-Term Visual Object Tracking
Czech Technical University in Prague（捷克技术大学）；University of Ljubljana（卢布尔雅那大学）
提出了一种长期的视觉目标跟踪性能评估方法和基准测试。性能度量的设计遵循长期跟踪定义，以最大限度地提高分析探测强度。新的措施优于现有的解释潜力和更好地区分不同的跟踪行为。我们表明，这些措施概括了短期的性能指标，从而将两个跟踪问题。此外，新的措施是非常强大的时间注释稀疏性，并允许注释的序列比在当前数据集长数百倍，而不增加人工注释劳动。提出了一个新的具有挑战性的数据集，精心挑选的序列与许多目标失踪。提出了一种新的跟踪分类定位跟踪器的短期/长期频谱。该基准包含对最大数量的长期跟踪器的广泛评估，并与最先进的短期跟踪器进行比较。我们分析了跟踪架构实现对长期性能的影响，并探讨了各种重新检测策略以及视觉模型更新策略对长期跟踪漂移的影响。该方法集成在VOT工具包中，以自动进行实验分析和基准测试，并促进长期跟踪器的未来开发。
2019-06-19 cs.CV
Automatic CT Segmentation from Bounding Box Annotations using Convolutional Neural Networks
Zhejiang University（浙江大学）；The First Affiliated Hospital, Zhejiang University School of Medicine（浙江大学医学院附属第一医院）
医学图像的准确分割对于临床诊断具有重要意义。现有的自动分割方法主要基于全监督学习，对精确标注的要求极高，获取成本高，耗时长。针对这一问题，提出了一种基于弱监督学习的CT图像自动分割方法，该方法只需要边界框形式的弱标注就可以训练出精确的分割模型。该方法由两个步骤组成：1）通过k-means聚类生成带有限界框注释的伪掩模; 2）迭代训练3D U-Net卷积神经网络作为分割模型。一些数据预处理方法被用来提高性能。该方法在包含三种类型器官的四个数据集上进行了验证，共627个CT体积。对于肝脏、脾脏和肾脏的分割，其准确率分别为95.19%、92.11%和91.45%。实验结果表明，该方法准确、高效，适合于临床应用。
2021-06-09 cs.CV
Self-Supervised Tracking via Target-Aware Data Synthesis
Peng Cheng Laboratory（鹏城实验室）；Dalian University of Technology（大连理工大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；University of California at Merced（加州大学默塞德分校）
虽然基于深度学习的跟踪方法已经取得了实质性进展，但它们需要大规模和高质量的注释数据来进行充分的训练。为了消除昂贵和详尽的注释，我们研究了视觉跟踪的自监督学习。在这项工作中，我们开发的裁剪变换粘贴操作，这是能够合成足够的训练数据，通过模拟跟踪过程中的各种外观变化，包括外观变化的对象和背景干扰。由于目标状态在所有合成数据中都是已知的，因此可以使用合成数据以常规方式训练现有的深度跟踪器，而无需人工注释。所提出的目标感知的数据合成方法适应现有的跟踪方法内的自监督学习框架，而无需算法的变化。因此，所提出的自监督学习机制可以无缝地集成到现有的跟踪框架中以执行训练。大量的实验表明，我们的方法1）在有限注释的情况下，与监督学习方案相比，具有良好的性能; 2）由于其可操作性，有助于处理各种跟踪挑战，如对象变形，遮挡或背景杂波; 3）与最先进的无监督跟踪方法相比，具有良好的性能; 4）提升各种最先进的监督学习框架的性能，包括SiamRPN++、DiMP和TransT。
2022-12-30 cs.CV
An Efficient Semi-Automated Scheme for Infrastructure LiDAR Annotation
The University of Florida（佛罗里达大学）
大多数现有的感知系统依赖于从相机获取的传感数据，这些传感数据在弱光和恶劣天气条件下表现不佳。为了解决这一限制，我们见证了先进的LiDAR传感器在自动驾驶应用中的感知任务中变得流行。然而，它们在交通监控系统中的使用并不普遍。我们确定了成本效益和有效地开发这种基于LiDAR的交通监控系统的两个重大障碍：（i）公共LiDAR数据集不足以支持基础设施系统中的感知任务，以及（ii）LiDAR点云上的3D注释耗时且昂贵。为了填补这一空白，我们提出了一种高效的半自动注释工具，该工具可以使用跟踪算法自动注释LiDAR序列，同时提供一个完全注释的基础设施LiDAR数据集-佛罗里达州（佛罗里达州基于LiDAR的对象识别和智能数据注释）-这将公开提供。我们先进的注释工具无缝集成了多对象跟踪（MOT）、单对象跟踪（SOT）和适当的轨迹后处理技术。具体来说，我们引入了一个人在回路模式，其中注释器递归地修复和细化我们的工具预测不完美的注释，并将它们增量地添加到训练数据集中，以获得更好的SOT和MOT模型。通过重复这个过程，我们将整体注释速度显著提高了三到四倍，并获得了比最先进的注释工具更好的定性注释。人工标注实验验证了该标注工具的有效性。此外，我们提供了详细的统计数据和目标检测评估结果，我们的数据集作为一个基准的感知任务在交通路口。
2023-01-25 cs.CV
Context-Aware Transformer for 3D Point Cloud Automatic Annotation
The University of Hong Kong（香港大学）
3D自动标注已经受到越来越多的关注，因为手动标注3D点云是费力的。然而，现有的方法通常是复杂的，例如，用于3D前景/背景分割、圆柱形对象建议和点完成的流水线训练。此外，他们往往忽略了对象间的特征关系，这是特别翔实的硬样品的3D注释。为此，我们提出了一个简单而有效的端到端的上下文感知Transformer（CAT）作为一个自动化的3D框标注生成精确的3D框注释从2D框，训练与少量的人类注释。我们采用通用的编码器-解码器架构，其中CAT编码器由对象内编码器（本地）和对象间编码器（全局）组成，分别沿序列和批次维度执行自注意。前者对点之间的对象内交互进行建模，后者提取不同对象之间的特征关系，从而增强场景级理解。通过本地和全局编码器，CAT可以通过简化的工作流程生成高质量的3D框注释，使其在KITTI测试集的硬任务上比现有的最先进的3D AP高出1.79%。
2023-03-27 cs.CV
I-MPN: Inductive Message Passing Network for Efficient Human-in-the-Loop Annotation of Mobile Eye Tracking Data
German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心）；University of Science, VNU-HCM（胡志明市国家大学科学大学）；Quy Nhon AI Research and Development Center, FPT Software（FPT软件归仁人工智能研发中心）；Max Planck Research School for Intelligent Systems (IMPRS-IS)（马克斯·普朗克智能系统研究院）
本文提出融合目标检测器与空间关系感知I-MPN的人在环学习方法，以少量用户反馈标注实现移动眼动追踪数据中的自动目标识别，并在三个视频序列上验证其性能与标注效率。
2024-07-07 cs.CV
From CAD models to soft point cloud labels: An automatic annotation pipeline for cheaply supervised 3D semantic segmentation
Aalborg University（奥尔堡大学）
本研究提出一种基于拟合CAD模型的3D点云全自动标注流水线，可生成多类软标签，在工业点云和Scan2CAD数据集上验证了其相比传统硬标签方法更优的分割性能与标注效率。
2023-07-25 cs.CV
Accurate Automatic 3D Annotation of Traffic Lights and Signs for Autonomous Driving
aiMotive（艾莫蒂夫公司）
针对自动驾驶中交通信号灯与标志3D检测模型训练需大量标注数据的问题，提出仅用带2D框的RGB图像和GNSS/INS数据、无需LiDAR的自动3D标注方法，可生成200米内精准时序一致的标注。
2025-03-19 cs.CV
Self-supervised Object Tracking with Cycle-consistent Siamese Networks
Hong Kong University of Science and Technology（香港科技大学）
与监督学习相比，用于视觉对象跟踪的自监督学习具有有价值的优点，例如不需要费力的人工注释和在线训练。在这项工作中，我们利用一个端到端的暹罗网络在一个周期一致的自我监督框架的对象跟踪。自我监督可以通过利用前向和后向跟踪中的周期一致性来执行。为了更好地利用深度网络的端到端学习，我们建议在我们的跟踪框架中集成暹罗区域建议和掩码回归网络，以便在不对每帧进行注释的情况下学习更快，更准确的跟踪器。在用于视觉对象跟踪的VOT数据集和用于视频对象分割传播的DAVIS数据集上的实验表明，我们的方法在这两个任务上都优于以前的方法。
2020-08-03 cs.CV
Automatic Removal of Marginal Annotations in Printed Text Document
University of Mysore（迈索尔大学）
从边缘区域添加手写注释的文档中恢复原始打印文本是具有挑战性的问题之一，特别是当原始文档不可用时。因此，本文的目的是自动打捞的原始文件从注释的文件，检测和删除任何手写注释出现在边缘区域的文件，而不会有任何损失的信息。这里提出了一种两阶段算法，其中在第一阶段中，由于利用水平和垂直投影轮廓的近似边缘边界检测，所有边缘注释以及可能看起来非常接近边缘边界的原始打印文本的某个部分被移除。因此，作为第二阶段，使用连接的组件，应用策略以带回在第一阶段期间裁剪的打印文本组件。所提出的方法进行了验证，使用50个文件的数据集具有复杂的手写注释，这给出了一个整体的准确性为89.01%，在删除的边缘注释和97.74%的情况下，检索原始的打印文本文档。
2014-08-09 cs.CV
A Semi-automatic Cell Tracking Process Towards Completing the 4D Atlas of C. elegans Development
University of Maryland, College Park（马里兰大学帕克分校）；National Institutes of Health（美国国立卫生研究院）
秀丽隐杆线虫（C. elegans）被用作更好地理解发育生物学和神经生物学的模式生物。C.秀丽线虫的特征是不变的细胞谱系，这已经用荧光显微镜图像进行了分类和观察。然而，一旦偶发性肌肉抽搐开始，已经建立的跟踪晚期发育细胞的方法就无法推广。我们建立在使用皮肤细胞作为基准标记来进行细胞跟踪的方法上，尽管随机抽搐。特别是，我们提出了一个细胞核分割和跟踪程序，它被集成到一个3D渲染GUI，以提高效率，在整个后期开发跟踪细胞。在三个测试胚胎中描绘上述肌细胞核的图像上的结果表明，基准标记结合经典的跟踪范例克服了偶发性抽搐。
2022-08-02 cs.CV
AutoOcc: Automatic Open-Ended Semantic Occupancy Annotation via Vision-Language Guided Gaussian Splatting
Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究院）；Chongqing Changan Automobile Co., Ltd（重庆长安汽车有限公司）；University of California, Merced（加州大学默塞德分校）
AutoOcc提出一种基于视觉-语言模型引导的高斯泼溅的自动化流水线，用于开放式语义占据标注，无需人工标签，在静态和动态场景中均表现稳健。
2025-08-02 cs.CV
Automatic Three-Dimensional Cephalometric Annotation System Using Three-Dimensional Convolutional Neural Networks
National Institute of Mathematical Science（国家数学科学研究院）；KT Daeduk 2 Research Center（KT大德2研究中心）；Yonsei University（延世大学）
本研究开发并评估了一种基于三维卷积神经网络和图像重采样的自动三维头影测量标注系统，在三个轴上的预测误差为3.26-4.81毫米，三维距离误差为7.61毫米，且不同解剖区域标志点间无显著差异，为临床自动标注奠定了基础。
2018-11-19 cs.CV
Beyond standard benchmarks: Parameterizing performance evaluation in visual object tracking
University of Ljubljana（卢布尔雅那大学）
物体到摄像机的运动会产生各种明显的运动模式，这些模式会显著影响短期视觉跟踪器的性能。尽管对于设计健壮的跟踪器至关重要，但由于定义较弱，有偏见和重叠的属性注释，它们的影响在标准基准测试中很少被探索。在本文中，我们建议超越预先记录的基准与事后注释，提出了一种方法，利用全向视频生成逼真的，一致的注释，短期跟踪场景与精确参数化的运动模式。我们已经创建了一个评估系统，构建了一个全方位视频和典型运动模式的生成器的完全注释的数据集。我们提供了一个深入的分析，主要的跟踪范式，这是补充标准的基准，并确认我们的评价方法的表达能力。
2017-03-25 cs.CV
Automatic Action Annotation in Weakly Labeled Videos
University of Central Florida（中佛罗里达大学）
人工时空注释视频中的人类动作是费力的，需要几个注释器，并包含人的偏见。在本文中，我们提出了一个弱监督的方法来自动获得时空注释的动作视频中的演员。我们首先在每个视频中获得大量的行动建议。为了在每个视频中捕获一些最具代表性的动作建议并避免处理数千个动作建议，我们在基于3D-MRF的框架中使用光流和显著性对它们进行排名，并使用基于MAP的建议子集选择方法选择一些建议。我们证明，这种排名保留了高质量的行动建议。针对相同动作的每个视频生成若干这样的提议。我们的下一个挑战是迭代地从每个视频中选择一个建议，以便所有建议都是全局一致的。我们将其表述为广义最大团图问题，使用视频中提案的形状，全局和细粒度相似性。我们的方法的输出是每个视频中最具行动代表性的建议。我们的方法还可以注释视频中同一动作的多个实例。我们已经在三个具有挑战性的动作数据集上验证了我们的方法：UCF Sport，sub-JHMDB和THUMOS'13，并且与几种基线方法相比，已经获得了有希望的结果。此外，在UCF Sports上，我们证明了在这些自动获得的时空注释上训练的动作分类器与在地面实况注释上训练的分类器具有相当的性能。
2016-05-26 cs.CV
CyLKs: Unsupervised Cycle Lucas-Kanade Network for Landmark Tracking
Carnegie Mellon University（卡内基梅隆大学）
在大多数现代基于学习的跟踪系统中，需要昂贵的注释来实现最先进的性能。相比之下，Lucas-Kanade（LK）算法在没有任何注释的情况下工作得很好。然而，LK对图像强度的光度（亮度）一致性有很强的假设，并且由于大的运动、遮挡和孔径问题而容易漂移。为了放松假设并缓解漂移问题，我们提出了CyLK，这是一种以无监督方式训练Lucas-Kanade的数据驱动方式。CyLKs通过CNN学习特征变换，将输入图像变换到特别有利于LK跟踪的特征空间。在训练过程中，我们在卷积特征图上向前和向后执行可微的Lucas-Kanade，然后最小化重新投影误差。在测试过程中，我们对学习的功能执行LK跟踪。我们将我们的模型应用于地标跟踪的任务，并在THUMOS和300 VW的数据集上进行实验。
2019-05-21 cs.CV
SFU-HW-Tracks-v1: Object Tracking Dataset on Raw Video Sequences
Simon Fraser University（西蒙弗雷泽大学）；InterDigital（InterDigital 公司）
我们提出了一个数据集，该数据集包含具有用于高效视频编码（HEVC）v1通用测试条件（CTC）序列的唯一对象标识（ID）的对象注释。准备了13个序列的地面实况注释，并作为称为SFU-HW-Tracks-v1的数据集发布。对于每个视频帧，地面实况注释包括对象类ID、对象ID和限界框位置及其尺寸。该数据集可用于评估未压缩视频序列上的目标跟踪性能，并研究视频压缩与目标跟踪之间的关系。
2021-12-30 cs.CV eess.IV
Automatic annotation of visual deep neural networks
College of Mathematics and Computer Science, Fuzhou University（福州大学数学与计算机科学学院）；Fujian Provincial Key Laboratory of Network Computing and Intelligent Information Processing（福建省网络计算与智能信息处理重点实验室）
计算机视觉作为一种通过计算机帮助或替代人眼感知图像或多维数据的技术，被广泛应用于无人驾驶、人脸识别、三维重建等领域。如今，随着深度神经网络的发展和应用，针对计算机视觉提出的深度神经网络的模型越来越丰富，开发者在解决问题的路上会用到已经训练好的模型，需要查阅相关文档了解模型的使用。类模型，它需要快速准确地找到您需要的相关模型。本文提出的视深神经网络自动标注方法基于语义分析等自然语言处理技术，实现了模型应用领域的自动标注。在计算机视觉三大顶级国际会议：ICCV、CVPR和ECCV中，72篇论文的应用平均正确率达到90%，表明了自动标注系统的有效性。
2021-10-08 cs.CV
Motion-guided sparse correction enables expert-quality point tracking across diverse microscopy regimes
Department of Computer Science, Old Dominion University（奥德赛大学计算机科学系）；Department of Biology, Massachusetts Institute of Technology（麻省理工学院生物学系）；The Picower Institute for Learning and Memory, Massachusetts Institute of Technology（麻省理工学院学习与记忆研究所）；Department of Physics and Technology, UiT--The Arctic University of Norway（挪威北极大学物理与技术系）；Department of Physics, University of Oslo（奥斯陆大学物理系）；School of Data Science, Old Dominion University（奥德赛大学数据科学学院）；Department of Physics, Old Dominion University（奥德赛大学物理系）
提出RIPPLE方法，通过运动引导的稀疏校正，在多种显微镜视频中实现专家级点跟踪，将手动标注工作量减少3至25倍。
2026-05-28 cs.CV
ASIST: Annotation-free Synthetic Instance Segmentation and Tracking by Adversarial Simulations
Vanderbilt University（范德堡大学）；Tufts University（塔夫茨大学）
背景：显微镜视频的定量分析通常需要对细胞和亚细胞对象进行实例分割和跟踪。传统的方法包括两个阶段：（1）执行每帧的实例对象分割，（2）关联对象逐帧。最近，基于像素嵌入的深度学习作为单阶段整体解决方案同时处理这两个步骤。在计算机视觉中，具有一致分割和跟踪的注释训练数据是资源密集型的，其严重性在显微镜成像中成倍增加，这是由于（1）密集对象（例如，重叠或接触），以及（2）高动态（例如，不规则运动和有丝分裂）。对抗性模拟已经提供了成功的解决方案来缓解计算机视觉中的动态场景中缺乏这种注释，例如使用模拟环境（例如，计算机游戏）来训练真实世界的自动驾驶系统。研究方法：在本文中，我们提出了一个无注释的合成实例分割和跟踪（ASIST）方法与对抗性模拟和单阶段基于像素嵌入的学习。出资额：本文的贡献是三方面的：（1）所提出的方法聚合了对抗性模拟和基于单阶段像素嵌入的深度学习;（2）该方法使用细胞（即，HeLa细胞）和亚细胞（即，微绒毛）对象;据我们所知，这是第一个研究探索无注释的显微镜视频实例分割和跟踪研究。结果如下：与完全监督方法相比，ASIST方法向前迈出了重要的一步：相对于完全监督方法，ASIST在微绒毛上的分割，检测和跟踪性能高出7%至11%，并且在Hela细胞视频上的性能相当。
2021-05-21 cs.CV eess.IV
Automatic Annotation of Axoplasmic Reticula in Pursuit of Connectomes
在本文中，我们提出了一个新的管道，自动识别和注释轴浆网，这是小的亚细胞结构只存在于轴突。我们在Kasthuri11数据集上运行我们的算法，该数据集使用梯度域技术进行了颜色校正以调整对比度。我们使用双边滤波器来平滑该数据中的噪声，同时保留边缘，突出轴浆网。然后使用形态学区域生长算法对这些轴浆网进行注释。此外，我们执行拉普拉斯锐化的双边过滤数据，以增强边缘，并重复形态区域生长算法注释更多的轴浆网。我们通过切片跟踪注释以提高精度，并创建长对象以帮助分段合并。该方法对轴浆网的注释精度较高。我们的算法可以很容易地适应注释轴浆网在不同的大脑数据集通过改变一些阈值。这项工作的贡献是引入了一个简单而强大的管道，该管道以高精度注释轴浆网，有助于神经EM数据中自动特征注释的进步。
2014-04-16 cs.CV
Automatic vehicle tracking and recognition from aerial image sequences
University of St Andrews（圣安德鲁斯大学）
本文研究了从航空图像序列中自动跟踪和识别车辆的问题。由于其在现有文献中的成功，重点关注使用线性外观子空间来描述多视图对象外观，并强调其作为实际系统的一部分的应用所涉及的挑战。描述了一个工作解决方案，其中包括数据提取和归一化的步骤。在对真实世界数据的实验中，所提出的方法取得了令人鼓舞的结果，具有较高的正确识别率和很少的有意义的错误（第二类错误，即真正相似的目标有时会相互混淆）。未来的研究方向和可能的改进所提出的方法进行了讨论。
2015-06-23 cs.CV
Eye on the Target: Eye Tracking Meets Rodent Tracking
RWTH Aachen University（亚琛工业大学）；Institute of Imaging and Computer Vision（成像与计算机视觉研究所）；Institute for Laboratory Animal Science（实验动物科学研究所）
本文提出利用 Aria 眼动数据生成提示点并结合后处理优化与零样本分割模型的流程，显著提升大鼠视频分割准确率。
2025-03-13 cs.CV
Fully Automatic Segmentation of 3D Brain Ultrasound: Learning from Coarse Annotations
Technische Universität München（慕尼黑工业大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Trinity College Dublin（都柏林圣三一学院）
术中超声是神经外科中日益重要的成像方式。然而，在程序期间与成像数据的手动交互（例如，选择标志或执行分割）是困难的并且可能是耗时的。然而，由于在大多数情况下需要与其他成像模态配准，因此需要一些注释。我们提出了一种基于DeepVNet的分割方法，并专门评估了预训练与模拟超声扫描的集成，以改进自动分割并实现配准的全自动初始化。在这个视图中，我们表明，尽管训练粗糙和不完整的半自动注释，我们的方法是能够捕获所需的表面结构，如\textit{sulci}，\textit{cerebellar tentorium}，和\textit{falx cerebri}。我们对公开的RESECT数据集进行了五重交叉验证。仅在数据集上训练，我们分别报告$0.45 \pm 0.09$和$0.30 \pm 0.07$的Dice和Jaccard系数，以及$0.78 \pm 0.36~mm$的平均距离。通过建议的预训练，我们计算了$0.47 \pm 0.10$和$0.31 \pm 0.08$的Dice和Jaccard系数，以及$0.71 \pm 0.38~mm$的平均距离。定性评估表明，与作为输入提供的不完整注释相比，通过预训练，网络可以学习更好地泛化，并提供更精细和更完整的分割。
2019-04-18 cs.CV
