交互式试驾目标检测器：在无标签数据上估计性能
计算机视觉与模式识别
2014-06-24 v1
摘要
在本文中，我们研究了“试驾”检测器的问题，即允许人类用户快速了解检测器对其特定需求的泛化能力。为此，我们提出了首个无需大量真值标注即可通过人机交互方式估计检测器性能的系统。我们将此问题视为比例估计问题，并表明仅需观察数据集中 的样本，即可对大型数据集中各类别或群体的比例做出准确推断。在估计误检（用于计算精度）时，我们精心选择样本以保留数据集的整体特征。随后，受其在疾病传播估计中应用的启发，我们应用混合测试（pooled testing）方法从数据集中估计漏检（用于计算召回率）。由此获得的估计值与使用真值得到的结果非常接近，从而减少了对昂贵且耗时的广泛标注的需求。
引用
@article{arxiv.1406.5653,
title = {Interactively Test Driving an Object Detector: Estimating Performance on Unlabeled Data},
author = {Rushil Anirudh and Pavan Turaga},
journal= {arXiv preprint arXiv:1406.5653},
year = {2014}
}
备注
Published at Winter Conference on Applications of Computer Vision, 2014