跳到正文
arXiv AI· Mohammad Mirzaee, Mehrshad Fallah Estalkhzir, Mohammad Reza Mohammadi·· 1 天前评分57

Enhancing Active Learning Performance with Initial Data Selection Based on Foundation Models

摘要

在主动目标检测中,选择初始标注池至关重要,尤其是在包含昂贵标注和资源预算有限的复杂数据集上。本研究提出了一种主动学习框架,旨在优化主动学习任务的初始训练周期。我们的方法与传统方法不同,通过YOLO-World模型的特征基聚类进行特征聚类,并根据对象置信度对图像进行优化,而非在初始周期中依赖不确定性采样。

推荐理由

请对照arXiv AI原文,核对完整说明及适用条件。

本站只提供摘要与原文入口。完整内容请阅读原文。

来源:arXiv AI · arxiv.org