利用数据集亲和性预测在目标检测中评估训练数据

💡 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,提高了网络在所有类中的表现。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%。

🏷️

标签

➡️

继续阅读