Wat zijn de kenmerken van active learning in CV?

Actief leren in computervisie is een methode waarbij het model de meest informatieve of onzekere voorbeelden selecteert uit niet-gelabelde gegevens voor latere labeling door een mens. Dit stelt je in staat om de hoeveelheid benodigde gelabelde gegevens aanzienlijk te verminderen, waardoor de efficiëntie van de training wordt verbeterd.

Kenmerken van actief leren in CV:

• Dataselectie: Het model kiest beelden waarop het het onzekerst is (bijvoorbeeld met minimale vertrouwen in de voorspelling).
• Interactiviteit: Het proces wordt cyclisch herhaald — het model wordt getraind, selecteert nieuwe gegevens voor labeling, ontvangt de label en traint opnieuw.
• Kostenreductie voor labeling: Het labelen van beelden is vaak duur en arbeidsintensief, actief leren helpt de benodigde hoeveelheid data te minimaliseren.
• Gebruik van verschillende strategieën: Bijvoorbeeld onzekerheidsmonsters, query-by-committee of methoden gebaseerd op diversiteit van de steekproef.

Voorbeeld: bij het trainen van een model voor objectherkenning kan eerst een kleine dataset worden gelabeld, waarna het model beelden kiest waar het twijfelt en vraagt om die te labelen, wat de kwaliteit van het model versnelt.