学习用户置信度用于主动学习
计算机视觉与模式识别
2021-04-19 v1 机器学习
图像与视频处理
摘要
本文中，我们研究主动学习在实操场景中的适用性：更具体地，我们考虑主动学习启发式方法(其根据不确定性对像素排序)与用户标注置信度(其与像素上下文的同质性和用户对场景的认知相关)之间广为人知的矛盾。我们提出一种基于分类器的过滤方案，该分类器学习用户标注的置信度，从而最小化用户无法为像素提供类别的查询。我们详细研究了模型学习用户置信度的能力，并展示了分辨率在此类学习任务中的影响。在两张不同分辨率的QuickBird图像(有和没有全色锐化)上并考虑用户委员会的实验证明了所提过滤方案的有效性，该方案相对于传统主动学习最大化了有用查询的数量。
引用
@article{arxiv.2104.07791,
title = {Learning User's confidence for active learning},
author = {Devis Tuia and Jordi Munoz-Mari},
journal= {arXiv preprint arXiv:2104.07791},
year = {2021}
}