BriefGPT - AI 论文速递
·
动态标签注入用于不平衡工业缺陷分割
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的主动学习方法，通过增加较小类别的训练样本，改善了少数类别的性能。在不同预算下，模型的性能都有所提高。最优模型甚至超过了全监督基准模型。
🎯
关键要点
-
本文提出了一种新型的主动学习方法，称为类别平衡动态获取（CBDA）。
-
CBDA方法通过增加较小类别的训练样本，改善了少数类别的性能。
-
在5%、10%和20%的预算下，模型的mIoU分别提高了0.6、1.7和2.4。
-
对少数类别的关注使最小类别性能分别提高了0.5、2.9和4.6 IoU。
-
最优模型的性能甚至超过了全监督基准模型，表明更平衡的标注对模型有益。
🏷️
标签
➡️
