面向语义分割的成熟度感知主动学习及其分层自适应样本评估
计算机视觉与模式识别
2023-08-30 v1 机器学习
摘要
语义分割的主动学习（AL）因严重的类别不平衡及定义“样本”（像素、区域等）方式多样而具挑战性，导致数据分布解释模糊。我们提出“基于成熟度感知分布分解的主动学习”（MADBAL），一种受益于分层方法以定义多视角数据分布的 AL 方法，其联合考虑不同“样本”定义，从而能基于全面理解选择最具影响力的分割像素。MADBAL 还具有新颖的不确定性表述，其中纳入 AL 支撑模块以感知特征成熟度，其加权影响持续贡献于不确定性检测。以此方式，MADBAL 即使在早期 AL 阶段也取得显著性能飞跃，从而大幅降低训练负担。我们在 Cityscapes 与 PASCAL VOC 数据集上的大量实验验证其优于 SOTA 方法。
引用
@article{arxiv.2308.14904,
title = {Maturity-Aware Active Learning for Semantic Segmentation with Hierarchically-Adaptive Sample Assessment},
author = {Amirsaeed Yazdani and Xuelu Li and Vishal Monga},
journal= {arXiv preprint arXiv:2308.14904},
year = {2023}
}
备注
Accepted to the 34th British Machine Vision Conference (BMVC 2023)