节省成本的视觉分类器微调
机器学习
2024-10-02 v1 计算机视觉与模式识别
摘要
微调现代计算机视觉模型需要获得准确标注的数据，但真实标签可能不存在，仅有来自准确度不同的标注者的多个标签。我们将标签质量与标注者准确度置信度联系起来，并表明在先验估计了标注者准确度后，使用简单的贝叶斯模型来估计真实标签，允许我们在固定预算内对更多数据进行标注，而不会牺牲标签或微调质量。我们在工业图像数据集上进行实验，展示了称为Ground Truth Extension (GTX)的方法，使我们能够使用更少的人工标签来微调机器学习模型。
引用
@article{arxiv.2410.00085,
title = {Fine-tuning Vision Classifiers On A Budget},
author = {Sunil Kumar and Ted Sandler and Paulina Varshavskaya},
journal= {arXiv preprint arXiv:2410.00085},
year = {2024}
}
备注
8 pages, 5 figures