BriefGPT - AI 论文速递
·
通过保持标签分布提高物体检测性能
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一个统一的主动学习框架，考虑了检测器的不确定性和鲁棒性，保证了网络在所有类中的良好表现。通过自动标注抑制潜在的分布漂移，提高了模型性能。实验结果显示，该方法在PASCAL VOC07+12和MS-COCO上优于主动学习方法，mAP提高了7.7%，标注成本降低了82%。
🎯
关键要点
- 提出了一个统一的主动学习框架
- 考虑了检测器的不确定性和鲁棒性
- 保证了网络在所有类中的良好表现
- 利用自动标注抑制潜在的分布漂移
- 提高了模型的性能
- 在 PASCAL VOC07+12 和 MS-COCO 上优于广泛应用的主动学习方法
- mAP 提高了 7.7%
- 标注成本降低了 82%
➡️
