两篇新研究论文探讨了提高目标检测标注效率的先进方法。第一篇论文介绍了一个基础模型协作主动学习框架，该框架使用双源不确定性估计和以对象为中心的多元化采样来增强样本选择，并减少遥感图像的手动标注负担。第二篇论文提出了一种用于机器人的具身主动学习方法，该方法优化导航轨迹并根据空间一致性选择信息图像，以便在有限的标注和导航预算下重新训练目标检测器。 AI
影响 这些方法旨在显著降低训练准确目标检测模型的成本和精力，有可能加速其在实际应用中的部署。
排序理由 两篇在arXiv上发表的学术论文，详细介绍了目标检测标注的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.16671v1 Announce Type: new Abstract: The annotation cost for remote sensing object detection is high, while existing active learning methods still face several challenges in object detection scenarios, including the coupling of localization and classification uncertain…
arXiv:2607.15974v1 Announce Type: cross Abstract: This paper studies how to adapt a computer vision object detector to an unknown environment under both a robot navigation time and annotation budget constraint. Our approach selects informative robot trajectories and image samples…