一种半自动交通标注的混合框架：将 YOLOv11 目标检测与 CLIP 语义验证相结合

原文地址，本文仅作翻译学习使用，如遇侵权，请联系本人删除
Original content. This article is only for translation learning purposes. If there is any infringement, please contact me to delete it.

A Hybrid Framework for Semi-Automated Traffic Annotation: Integrating YOLOv11 Object Detection with CLIP Semantic Verification | IEEE Conference Publication | IEEE Xplore

在交通分析等领域，大规模数据集的标注仍然是一个劳动密集型且容易出错的过程，标注错误往往导致深度学习性能欠佳。为解决这一挑战，我们引入了一种半自动标注系统，该系统将YOLOv11的目标检测能力与CLIP（ViT-B/32）的语义验证能力相结合。在我们的框架中，YOLOv11首先生成目标标签，随后由CLIP进行验证和校准。超过置信度阈值的标签被保留，而不确定的情况则使用CLIP进行修正，并由终端用户进行最终验证。这一流程显著减少了人工标注工作量，同时确保了标注质量的一致性。我们在混淆表征、损失、精确率、召回率、平均精度均值（mAP）以及置信度结果等方面对系统性能进行了评估。实验结果表明，所提出的系统实现了超过90%的准确率，有效利用了YOLOv11在图像检测和CLIP在多模态语义理解方面的互补优势。该方法为大规模交通数据集标注提供了实用的解决方案，在效率与可靠性之间取得了平衡。