Mask-RCNN的智能多边形标注

Question

我正在做一个项目，在这个项目中我需要注释大约450张图像中的缺陷。我已经使用labelMe工具注释了40张图片。注释以JSON格式存储。

首先，我将JSON文件转换为COCO格式，然后使用detectron2训练实例分割模型。幸运的是，我取得了不错的成绩。

不幸的是，注释任务花费了很长时间。此外，它是无聊和令人沮丧的。有没有办法使用我目前的模型自动为图像添加注释？

我想使用我的自定义训练的面罩RCNN模型为剩余的图像生成JSON文件。这将节省大量的注释时间。

请帮帮我！我们非常欢迎您的任何建议。

Answer 1

简而言之，是的。您可以运行分割模型，以相同的JSON格式存储输出，并将它们加载到标签工具中进行修改和验证。请注意，手动验证是必不可少的，否则您只会通过使用模型的预测作为基本事实来强化模型的偏见。

然后，完整的过程将是：

1. label or correct labels on data 
2. train model
3. predict more data labels
4. repeat as necessary

这种技术有助于从相对较少的数据标记中“引导”(这里不是精确地从统计意义上使用，因此可能有一个更精确的术语)经过训练的模型，帮助处理手动标记数据是劳动密集型数据的事实。我不确定这是否有资格成为一种弱监督学习方法，因为每个训练示例最终都可以获得并验证完整的地面事实。