Jaké jsou vlastnosti aktivního učení v CV?

Aktivní učení v počítačovém vidění je metoda, při které model vybírá nejvíce informativní nebo nejisté příklady z neoznačených dat pro následné označení člověkem. To umožňuje výrazně snížit množství potřebných označených dat a zlepšit efektivitu učení.

Vlastnosti aktivního učení v CV:

• Výběr dat: Model vybírá obrázky, u kterých je nejistější (například s minimální jistotou v předpovědi).
• Interaktivita: Proces se opakuje cyklicky — model se učí, vybírá nová data k označení, obdrží označení a znovu se učí.
• Snížení nákladů na označování: Označování obrázků je často drahé a časově náročné, aktivní učení pomáhá minimalizovat objem požadovaných dat.
• Použití různých strategií: Například vzorkování na základě nejistoty, dotazování komisí nebo metody založené na rozmanitosti vzorku.

Příklad: při tréninku modelu pro rozpoznávání objektů lze nejprve označit malou sadu dat, poté model vybere obrázky, u kterých má pochybnosti, a požádá o jejich označení, což urychlí zlepšení kvality modelu.