ClickBAIT：基于点击的卷积神经网络加速增量训练
计算机视觉与模式识别
2017-09-18 v1 人工智能
人机交互
摘要
当今用于图像分类和目标检测的通用深度卷积神经网络（CNN）在大型静态数据集上离线训练。然而，某些应用将需要在实时视频流上以人在回路的方式进行训练。我们将这类问题称为时间有序在线训练（Time-ordered Online Training, ToOT）——这些问题不仅需要考虑传入训练数据的数量，还需要考虑标记和使用它所需的人力。在本文中，我们定义训练收益(training benefit)作为一种度量，用于衡量序列在使用每次用户交互时的有效性。我们展示并评估了一个专为现场执行ToOT而定制的系统，能够通过人类操作员的最少输入在实时视频流上训练图像分类器。我们表明，通过基于光流的目标跟踪利用视频流的时间有序特性，我们可以将人类动作的有效性提高约8倍。
引用
@article{arxiv.1709.05021,
title = {ClickBAIT: Click-based Accelerated Incremental Training of Convolutional Neural Networks},
author = {Ervin Teng and João Diogo Falcão and Bob Iannucci},
journal= {arXiv preprint arXiv:1709.05021},
year = {2017}
}
备注
11 pages, 14 figures. Datasets available at http://clickbait.crossmobile.info