Home

[toc]

项目申请信息

项目名称：迈向图像大模型自动标注算法：基于边云协同终身学习复现开放世界物体分割 项目编号：2398a0151 项目主导师：苏敬勇 申请人：董天育 日期：2023.6.3 邮箱： [email protected]

1. 项目背景与意义

传统的机器学习方法通过训练已知类别的模型来检测已知类别范围内的物体。然而，对于未知类别的样本，这些模型往往无法进行准确的识别，因为它们只能将未知样本分配到已知类别之中，这限制了模型在应对开放世界任务时的表现。

因此，针对开放世界的物体分割成为当前人工智能领域的主要研究方向之一。本项目旨在基于2023年发表的”Segment Anything”论文进行复现，并尝试将该算法应用于开放域数据的自动标注。该论文提出了一种针对开放世界物体分割的数据引擎工具，可以快速标注数据，并实现数据闭环。

项目基本产出需求：

• 1. 基于开放集语义分割数据复现论文（如StreetHazards、Lost and Found、Road Anomaly等数据集）
• 2. 将该复现的开放世界分割算法合入Sedna和Ianvs终身学习模块
• 3. 开放世界物体分割的准确率(如AP，mIoU)大于0.45

2. 论文概述

2.1 简介

2.2 主要工作

2.3 模型原理

2.4 实验结果

3. 实现方法与流程

3.1 数据集

4. 具体时间规划

5. 期待与展望