.png){kind=icon}
返回
Automated Image Recognition Framework
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-09321-9_20.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然深度学习模型的效能高度依赖数据，但为特定任务收集和标注数据，尤其是在处理缺乏相关数据集的新型或敏感主题时，会带来显著的时间和资源挑战。为应对这一问题，我们提出了一种新颖的自动图像识别（AIR）框架，该框架利用生成式AI的力量。AIR赋予终端用户合成高质量、预标注数据集的能力，消除了手动标注的必要性。它还能在生成的数据集上自动训练具有强大图像识别性能的深度学习模型。我们的框架包含两个主要的数据合成过程：AIR-Gen和AIR-Aug。AIR-Gen使终端用户能够无缝生成符合其规格的数据集。为提升图像质量，我们引入了一个新颖的自动提示工程模块，该模块利用大型语言模型的能力。我们还引入了一种分布调整算法，以消除重复项和离群值，增强生成数据集的鲁棒性和可靠性。另一方面，AIR-Aug增强了给定数据集，从而提高深度分类器模型的性能。当用户针对特定任务数据有限时，AIR-Aug尤为有益。通过全面的实验，我们证明了我们生成数据在训练深度学习模型中的有效性，并展示了该系统在为广泛对象提供图像识别模型方面的潜力。我们还进行了一项用户研究，获得了4.4（满分5.0）的出色评分，强调了AI界对AIR的积极看法。
Keyword:
Generative AI
Image Recognition
Dataset Generation
Data Augmentation
期刊
C
IF:
0
论文数:
34
被引数:
0
机构
引用论文
.png){kind=icon}
Unpaired Image-to-Image Translation Using Cycle-Consistent Adversarial Networks使用循环一致的对抗网络进行不成对的图像到图像的翻译
OAAI
OAAI分享收藏分享收藏Toward Interactive Self-Annotation For Video Object Bounding Box: Recurrent Self-Learning And Hierarchical Annotation Based Framework面向视频对象边界框的交互式自我标注：基于循环自学习和分层标注的框架
PREAI
分享收藏 没有更多内容
没有更多内容