利用不确定性和多样抽样的两步主动学习实例分割

ICCVSep, 2023

利用不确定性和多样抽样的两步主动学习实例分割

Two-Step Active Learning for Instance Segmentation with Uncertainty and Diversity Sampling

Ke Yu, Stephen Albro, Giulia DeSalvo, Suraj Kothawade, Abdullah Rashwan...

TL;DR我们提出了一种后期主动学习算法，该算法将基于不确定性的采样与基于多样性的采样相结合，不仅简单易实现，而且在各种数据集上都具有出色的表现，其实际应用在实际的高空图像数据集中增加了五倍的标注效率。

Abstract

Training high-quality instance segmentation models requires an abundance of labeled images with instance masks and classifications, which is often expensive to procure. active learning addresses this challenge by

instance segmentation active learning uncertainty-based sampling diversity-based sampling labeling efficiency

发现论文，激发创造

半监督主动学习的实例分割技术及其评估方法

本文提出了一种基于三元组评分预测 (TSP) 的不确定性采样策略和半监督主动学习框架，以减少标注代价并提高实例分割的性能，通过在医学图像数据集上的实验，表明了该方法可以在不影响性能的情况下大幅减少标注代价。

Dec, 2020

关于主动学习图像分割中的不确定度估计

本文探讨了在数据驱动主动学习框架下，针对医学图像分割任务进行不确定性校准的方法，研究了不同的不确定性估计方法和采集策略，并证明选定区域标注可以显著减少需要人工标注的像素数量。

Jul, 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

通过主动学习实现高效的息肉分割

提出了一种深度主动学习框架，用于高效标记息肉分割，在有限的标注预算下实现了最佳性能。

Mar, 2024

突破壁垒：基于选择性不确定性的主动学习在医学图像分割中的应用

通过选择性基于不确定性的主动学习方法，优先考虑目标区域和决策边界附近的像素，提高医学图像分割的性能和效率。

Jan, 2024

主动半监督学习的语义分割

提出了通过结合主动学习和半监督学习来减少标注样本数量的新算法，应用于语义分割任务取得了优异的成果。

Mar, 2022

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

基于不确定度采样、注释冗余限制和数据初始化的脑肿瘤分割主动学习

本研究探讨了使用 dropout 不确定性评估的 active learning 策略以降低医学 3D 成像中神经胶质瘤 MRI 图像分割所需的大量注释数据，实现了最少数据量达到与全数据集训练相同水平的性能。

Feb, 2023

多分类标签查询的语义分割主动学习

该论文提出了一种新的语义分割主动学习方法，通过新的注释查询设计获取信息丰富的局部图像区域，使用多类别标注策略进行训练，解决了类别不确定性问题，最终在 Cityscapes 和 PASCAL VOC 2012 数据集上取得了优越的性能并降低了注释成本。

Sep, 2023

极小 - 极大主动学习

该研究发展了一种基于半监督极小极大熵的主动学习算法，通过同时利用不确定性和多样性来选择最具代表性的样本，从而在图像分类和语义分割任务中表现优于现有的技术。

Dec, 2020