Soft Labels for Rapid Satellite Object Detection

要約

画像分類のソフト ラベルは、画像の真の分類のベクトル表現です。
この論文では、衛星オブジェクト検出のコンテキストでソフトラベルを調査します。
ソフトラベルの新しいデータセットの基礎として検出を使用することを提案します。
高品質のモデルを作成するための労力の多くは、トレーニング データの収集と注釈付けです。
モデルを使用してデータセットを生成できれば、データセットを迅速に作成できるだけでなく、既存のオープンソース データセットを補完することもできます。
xView データセットのサブセットを使用して、車、飛行機、船を検出するように YOLOv5 モデルをトレーニングします。
次に、そのモデルを使用して 2 番目のトレーニング セットのソフト ラベルを生成し、それをトレーニングして元のモデルと比較します。
ソフトラベルを使用して、元のデータでトレーニングされたモデルとほぼ同じ精度のモデルをトレーニングできることを示します。

要約(オリジナル)

Soft labels in image classification are vector representations of an image’s true classification. In this paper, we investigate soft labels in the context of satellite object detection. We propose using detections as the basis for a new dataset of soft labels. Much of the effort in creating a high-quality model is gathering and annotating the training data. If we could use a model to generate a dataset for us, we could not only rapidly create datasets, but also supplement existing open-source datasets. Using a subset of the xView dataset, we train a YOLOv5 model to detect cars, planes, and ships. We then use that model to generate soft labels for the second training set which we then train and compare to the original model. We show that soft labels can be used to train a model that is almost as accurate as a model trained on the original data.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google