Jun, 2021
标签并不平等:训练物体检测的标签成本合理化
Not All Labels Are Equal: Rationalizing The Labeling Costs for Training Object Detection
Ismail Elezi, Zhiding Yu, Anima Anandkumar, Laura Leal-Taixe, Jose M. Alvarez
TL;DR本文提出了一个统一的主动学习框架,并考虑到了检测器的不确定性和鲁棒性,从而保证了网络在所有类中的良好表现,并利用自动标注抑制潜在的分布漂移,提高了模型的性能。实验表明,我们的方法在 PASCAL VOC07+12 和 MS-COCO 上始终优于广泛应用的主动学习方法,在 mAP 上提高了 7.7%, 或在标注成本上降低了 82%。