研究人员开发了一种新的目标检测主动学习框架,该框架优化了初始训练数据的选择。该方法利用YOLO-World模型和目标性得分的基于特征的聚类,专注于基础模型最自信的图像。后续周期采用基于一致性的采样以提高鲁棒性。在Aquarium和NWPU VHR-10数据集上的评估显示,平均精度均值(mAP)显著提高,在NWPU数据集上的基于图像的评估平均提高了6.6%,基于目标的评估平均提高了约11%,证明了模型性能的提升和标注时间的缩短。 AI
影响 通过优化模型训练的数据选择,提高了目标检测任务的效率和性能。
排序理由 该集群包含一篇研究论文,详细介绍了计算机视觉中主动学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →