Was sind die Merkmale des Active Learning in CV?

Active Learning in der Computer Vision ist eine Methode, bei der das Modell die informativsten oder unsichersten Beispiele aus unmarkierten Daten auswählt, um sie anschließend von einem Menschen markieren zu lassen. Dies ermöglicht eine erhebliche Reduzierung der benötigten markierten Daten und verbessert die Effizienz des Lernprozesses.

Merkmale des Active Learning in CV:

• Datenauswahl: Das Modell wählt Bilder aus, bei denen es am unsichersten ist (z.B. mit geringster Zuverlässigkeit bei der Vorhersage).
• Interaktivität: Der Prozess wiederholt sich zyklisch – das Modell trainiert, wählt neue Daten zur Markierung aus, erhält die Markierung und trainiert erneut.
• Kostensenkung bei der Markierung: Das Markieren von Bildern ist oft teuer und aufwendig, das Active Learning hilft, den erforderlichen Datenumfang zu minimieren.
• Verwendung verschiedener Strategien: Zum Beispiel Unsicherheitsstichprobe, Query-by-Committee oder Methoden, die auf Diversität der Auswahl basieren.

Beispiel: Beim Training eines Objekterkennungsmodells kann man zunächst einen kleinen Datensatz markieren, dann wählt das Modell Bilder aus, bei denen es unsicher ist, und bittet um deren Markierung, was die Verbesserung der Modellqualität beschleunigt.