本文提出了一种新方法，通过渐进式降低泛化风险，设计专门的标签获取流程，并提出模型无关的因果主动学习算法，以优化标注策略，提高小规模标注数据集中的因果效应估计准确性。

本研究评估了标注策略、数据不平衡和先前经验对人类标注者表现的影响。结果显示，在目标检测任务中，标注者表现优于分割任务，但存在更多类型II错误。这些发现有助于改进遥感研究中的标注策略。

该文综述弱监督语义分割的低成本标注方法，包括图像级、点级、涂鸦、稀疏标注及语音交互等，并评估其成本效益。结论：标注时间有限时，多边形少顶点标注和结合SAM的框标注较优；时间充足时精确标注性能最佳。