Quais são as características do active learning em CV?

O aprendizado ativo em visão computacional é um método em que o modelo seleciona os exemplos mais informativos ou incertos de dados não rotulados para posterior rotulagem por um humano. Isso permite reduzir significativamente a quantidade de dados rotulados necessários, melhorando a eficiência do treinamento.

Características do aprendizado ativo em CV:

• Seleção de dados: O modelo escolhe imagens nas quais está mais inseguro (por exemplo, com menor confiança na previsão).
• Interatividade: O processo se repete em ciclos: o modelo treina, seleciona novos dados para rotular, recebe a rotulagem e treina novamente.
• Redução de custos de rotulagem: A rotulagem de imagens costuma ser cara e trabalhosa, o aprendizado ativo ajuda a minimizar a quantidade de dados necessários.
• Uso de diferentes estratégias: Por exemplo, amostragem por incerteza, consulta por comitê ou métodos baseados na diversidade da amostra.

Exemplo: ao treinar um modelo para reconhecimento de objetos, primeiro pode-se rotular um pequeno conjunto de dados, depois o modelo escolherá imagens nas quais ele tem dúvidas e solicitará que sejam rotuladas, acelerando assim a melhoria da qualidade do modelo.