Какие особенности active learning в CV?

Active learning в компьютерном зрении — это метод, при котором модель выбирает наиболее информативные или неопределённые примеры из неразмеченных данных для последующей разметки человеком. Это позволяет существенно сократить количество необходимых размеченных данных, улучшая эффективность обучения.

Особенности active learning в CV:

• Выборка данных: Модель выбирает изображения, по которым она наиболее неуверенна (например, с минимальной уверенностью в предсказании).
• Интерактивность: Процесс повторяется циклично — модель обучается, выбирает новые данные для разметки, получает разметку и обучается заново.
• Снижение затрат на разметку: Разметка изображений часто дорогая и трудоемкая, active learning помогает минимизировать объем требуемых данных.
• Использование различных стратегий: Например, uncertainty sampling, query-by-committee, или методы, основанные на разнообразии выборки.

Пример: при обучении модели для распознавания объектов можно сначала разметить небольшой набор данных, затем модель выберет изображения, где она сомневается, и попросит разметить именно их, что ускорит улучшение качества модели.