BriefGPT - AI 论文速递 · 2023-11-16T00:00:00Z 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 主动学习框架 分布漂移 数据集 检测器不确定性 目标检测 自动标注 鲁棒性 阅读原文 生成长图 分享链接 已复制链接
