不確定度引導(dǎo)的對抗主動學(xué)習目標檢測方法

摘要： 基于主動學(xué)習的目標檢測通常使用更少的標注數(shù)據(jù)來提高目標檢測模型的性能，即學(xué)習者可以從大量未標注樣本中選取有價值的樣本進行人工標注，并通過迭代訓(xùn)練來優(yōu)化模型。然而，現(xiàn)有基于主動學(xué)習的目標檢測方法仍然無法有效平衡樣本不確定性和多樣性，且查詢樣本冗余度高。為了解決這一問題，提出一種不確定度引導(dǎo)的對抗主動學(xué)習目標檢測方法。首先，引入損失預(yù)測模塊評估未標注樣本的不確定度，并利用不確定度引... （共10頁）