Multiple Instance Active Learning for Object Detection论文阅读笔记

Multiple Instance Active Learning for Object Detection用于目标检测的多实例主动学习

原文链接：[2104.02324] Multiple instance active learning for object detection (arxiv.org)

代码：GitHub - yuantn/MI-AOD: Code for Multiple Instance Active Learning for Object Detection, CVPR 2021

最近在研究主动学习，找了一篇cvpr2021的文献来读，简单做一下阅读笔记。

介绍：为主动学习与目标检测量身打造的首创性结合模型，在Pascal voc数据集上以20%数据的标注达到了100%数据集标注的93.5%效果，在mscoco数据集上达到最优效果。并且可以推广到任意模型上去。

一、背景介绍

简单介绍一下主动学习，通过以周期性、学习性的方法，用少量标记获得高效特征。这个过程是由机器学习初始化的已标记数据集后，在未标记数据集中选择信息量大或者差异性大的数据进行人工标记后，将人工标记后的数据加入到数据集中再次训练，迭代进行数据的筛选与训练完成的，可以减少训练成本，适用于标记较难获得，但未标记数据容易获得的实验。

拿之前存的一个图，大概是这么个过程

作者提出了三种挑选样本的方法：

基于不确定度：为图像分类而设计的，并且由于拥挤和噪声情况的挑战性而不适用于对象检测。

基于分布（这些方法通过估计未标记样本的分布来选择