基于YOLO的半自动化标注方法：提升铁路视频缺陷检测效率
论文地址：https://arxiv.org/pdf/2504.01010
1. 论文结构概述
本文提出了一种半自动化标注方法，旨在解决铁路缺陷检测中大规模图像/视频数据集标注成本高、耗时长的问题。论文结构清晰，分为以下核心部分：
-
引言（Introduction）
强调传统手动标注的痛点（耗时、易错、成本高），并指出当前AI辅助标注工具的局限性（价格昂贵）。提出基于YOLO的迭代式半自动化标注方案。 -
问题定义（Problem Formulation）
分析YOLO模型训练对数据质量和规模的依赖，指出铁路场景下道碴不足（insufficient ballast）和植被过度生长（plant overgrowth）检测的特殊挑战。 -
标签提取（Extracting Labels）