¿Cuáles son las características del aprendizaje activo en CV?

El aprendizaje activo en visión por computadora es un método en el que el modelo selecciona los ejemplos más informativos o inciertos de datos no etiquetados para su posterior etiquetado por un humano. Esto permite reducir significativamente la cantidad de datos etiquetados necesarios, mejorando la eficiencia del entrenamiento.

Características del aprendizaje activo en CV:

• Selección de datos: El modelo elige imágenes en las que está más inseguro (por ejemplo, con menor confianza en la predicción).
• Interactividad: El proceso se repite en ciclos: el modelo se entrena, selecciona nuevos datos para etiquetar, recibe la etiqueta y vuelve a entrenar.
• Reducción de costos de etiquetado: La etiquetación de imágenes suele ser costosa y laboriosa, el aprendizaje activo ayuda a minimizar la cantidad de datos requeridos.
• Uso de diferentes estrategias: Por ejemplo, muestreo por incertidumbre, consulta por comité, o métodos basados en la diversidad de la muestra.

Ejemplo: al entrenar un modelo para reconocimiento de objetos, primero se puede etiquetar un pequeño conjunto de datos, luego el modelo seleccionará imágenes en las que duda y solicitará que se etiqueten esas, lo que acelerará la mejora de la calidad del modelo.