Oct, 2022

基于主动学习的不均衡土木基础设施数据处理

PDF
TL;DR通过利用无人机技术和深度学习，希望实现老化土木基础设施的自动化视觉检测，同时提出了一种针对传统主动学习设置的新方法，用于代替传统的主动学习获取函数，实验证明其在性能和准确性方面均优于现有的方法。
aging civil infrastructuresvisual inspectionsdrone technologydeep learningactive learning
发现论文，激发创造
  • 可伸缩的物体检测主动学习

    本研究描述了一个可扩展的主动学习系统，旨在改善在自动驾驶中监督学习的数据效率，主要围绕深度神经网络、有监督学习、主动学习、自动驾驶和数据效率展开，同时探讨了一些挑战及其解决方法，并简要描述了未来发展方向。

    Apr, 2020

  • 不平衡数据的主动类增量学习

    本论文研究了增量学习的问题，提出了一种采用主动和非均衡的采样方法，将增量学习视为一个非均衡学习问题，通过类别预测缩放降低不平衡的影响，针对四个视觉数据集进行了评估，并表明该方案对于减少主动和标准增量学习性能之间的差距产生了积极的效果。

    Aug, 2020

  • 水下检测中基于不确定性的主动学习图像分割

    使用主动学习方法在水下基础设施检测任务中进行图像分割，并使用互信息和蒙特卡洛 dropout 计算获得采集函数，结果显示采用主动学习方法可以显著降低水下检测任务中分割模型的成本。

    Mar, 2024

  • 深度图像分类的成本效益主动学习

    本文提出了一种新的主动学习框架，通过有限量的标签训练实例以增量学习的方式构建具有最佳特征表示的竞争性分类器。该方法利用深度卷积神经网络进行主动学习，设计了一种成本效益的样本选择策略，通过选取高置信度的无标签样本自动迭代分配伪标签来改善分类性能。实验证明，该框架在人脸识别和物体分类等两个数据集上取得了有希望的成果。

    Jan, 2017

  • 边缘引导和类别平衡的主动学习用于航空图像的语义分割

    提出了基于边缘指导的标注单元作为新单元以及对类别不平衡的综合性处理，改进的方法在三个基准数据集上相比最先进方法获得了超过 11.2% 的性能提升，并相比基准模型提高了超过 18.6% 的性能表现，为未来关于航空图像语义分割的主动学习研究建立了公平而强大的基准。

    May, 2024

  • DIRECT: 不平衡和标签噪音下的深度主动学习

    通过一种新颖的算法 DIRECT，该论文提出了解决机器学习中不平衡问题的有效技术，通过收集更平衡和信息丰富的标记示例来进行注释，相较于现有算法，该算法节省了超过 15% 的注释预算。

    Dec, 2023

  • 深度检测神经网络的主动学习

    该论文提出了一种基于卷积神经网络的主动学习目标检测方法，使用新的图像级评分过程对未标记图像进行排序以进行自动选择，并针对不同情境（如视频或静态图像集）提出适应技巧，在行人检测任务中经过广泛研究，我们在实验中表明所提出的方法比随机选择表现更好。

    Nov, 2019

  • 深度目标检测主动学习

    本研究结合活性学习和增量学习的方法，提出一种基于不确定度的适用于大多数对象检测器的主动学习度量标准，并探讨在样本选择过程中如何解决类别不平衡问题，通过系统评估在 PASCAL VOC 2012 数据集上，实现对新未标注数据集的持续探索。

    Sep, 2018

  • 精确农业中高效注释的主动学习：基于作物 - 杂草语义分割的用例

    优化深度学习模型，尤其是在农业领域，通过进行比较性研究，发现主动学习方法在语义分割任务中比随机采样有更好的性能，但在具有高类别不平衡和冗余图像的农业数据集上仍需要进一步的研究。

    Apr, 2024

  • 混合主动学习法：提高卫星图像中飞机检测的性能并限制标注工作量

    使用深度学习，提出一种混合聚类主动学习方法，以较高效地进行卫星图像中的飞机探测，并展示其结果优于其他主动学习方法。

    Feb, 2022