[目标检测] 开源 | 利用情境多样性进行主动学习

论文地址： http://arxiv.org/pdf/2008.05723v1.pdf

代码： https://github.com/sharat29ag/cdal

来源： IIIT-Delhi，Flixstock Inc.，印度理工学院德里分校

论文名称：Contextual Diversity for Active Learning

原文作者：Sharat Agarwal

内容提要

大型标注数据集的需求限制了深度卷积神经网络在许多实际应用中的应用。通过使用主动学习(AL)技术可以缓解这个问题，这种技术在给定的注释预算下，允许选择在微调产生的最大精度的数据子集。先进的AL方法通常依赖于视觉多样性或预测不确定性的测量，这无法有效地捕捉空间环境中的变化。另一方面，现代CNN架构大量使用空间背景来实现高精度的预测。由于在缺乏真值标签的情况下，环境很难评估，因此我们引入了情境多样性的概念，它能够捕获与空间共存其他相关类的特征。情境多样性(CD)取决于一个重要的观察结果，即在较大接受域的信息中CNN预测的感兴趣区域的概率向量。利用这一观察结果，结合两个AL框架提出了CD度量：基于核心集的策略和基于强化学习的策略，用于主动帧选择。我们在语义分割、目标检测和图像分类的基准数据集上进行了广泛的经验评估，主动学习的结果SOTA。消融研究证明了使用情境多样性进行主动学习具有明显优势。

主要框架及实验结果

声明：文章来自于网络，仅用于学习分享，版权归原作者所有，侵权请联系删除。