面向对象的数据选择以用于密集预测任务

本研究解决了在有限标注预算下，从大量未标注图像中选择代表性图像子集的挑战，特别是在类分布不平衡的情况下。通过提出面向对象的数据选择（OFDS），本文确保选择的图像子集在语义上覆盖目标类别，包括稀有类别，实验结果表明，OFDS在多个基准数据集上展现出优越的性能，显著提升了标注效率和模型性能。