机构名称：
¥ 1.0
3D 点云的自动语义解释对于地理空间数据分析领域的许多任务至关重要。为此，需要标记的训练数据，这些数据通常由专家手动提供。主动学习 (AL) 是一种最大限度地减少人机交互成本的方法。目的是仅处理未标记数据集的子集，这对于类别分离特别有用。在这里，机器识别信息实例，然后由人类标记，从而提高机器的性能。为了完全避免专家的参与，可以通过众包解决这种耗时的注释。因此，我们提出了一种将 AL 与付费众包相结合的方法。尽管结合了人机交互，但我们的方法可以完全自动运行，因此只需要提供未标记的数据集和固定的财务预算来支付众包工人的费用。我们对 ISPRS Vaihingen 3D 语义标记基准数据集 (V3D) 进行了 AL 过程的多个迭代步骤，并特别评估了众包在标记 3D 点时的表现。我们通过使用从基于众包的 AL 方法中派生出的标签对测试数据集进行分类来证明我们的概念。分析概述了通过仅标记 0.4% 的训练数据集并花费不到 145 美元，我们训练的随机森林和稀疏 3D CNN 分类器在总体准确率上的差异与在完整的 V3D 训练集上训练的相同分类器相比不到 3 个百分点。
混合获取高质量训练数据...
主要关键词
相关文件推荐
