单遍选择面向对象的数据选择
计算机视觉与模式识别
2025-06-05 v2
摘要
虽然无标签图像数据通常丰富，但高质量标签的成本构成重要的实际挑战：应该选择哪些图像进行标注，以便在特定目标任务上最有效地利用标注预算？针对这一问题，我们关注单遍数据选择，即在为下游模型训练前一次性选择所有待标注数据。先前的单遍数据选择方法依赖于图像级别的表示，难以可靠地超越随机选择在目标检测和分割任务上取得佳后。我们提出 Object-Focused Data Selection（OFDS），该方法利用基础模型的目标级别特征，并确保所有目标类别的语义覆盖。针对各种任务和目标域进行的大量实验表明，OFDS 一致优于随机选择和所有基线方法。在受限标注预算下，最佳结果通过将 OFDS 的人工标签与基础模型的自动标签相结合获得。此外，使用 OFDS 为主动学习选择初始标注集可获得一致的改进。
引用
@article{arxiv.2412.10032,
title = {Single-Pass Object-Focused Data Selection},
author = {Niclas Popp and Dan Zhang and Jan Hendrik Metzen and Matthias Hein and Lukas Schott},
journal= {arXiv preprint arXiv:2412.10032},
year = {2025}
}