视频中用于主动学习的时间相干性
计算机视觉与模式识别
2019-09-02 v1 机器学习
摘要
自动驾驶系统需要海量数据来进行训练。由于涉及人力资源，此类数据的手动标注耗时且极其昂贵。因此，主动学习作为一种替代方案出现，以缓解这一负担并使数据标注更易于管理。在本文中，我们提出一种利用时间相干性的视频目标检测主动学习新方法。我们的主动学习准则基于以假阳性和假阴性表示的估计错误数量。目标检测器获得的检测结果被用于定义图的节点，并向前和向后跟踪以在时间上连接节点。最小化定义在该图模型上的能量函数可同时估计假阳性和假阴性。此外，我们引入一个名为SYNTHIA-AL的合成视频数据集，专门设计用于评估道路场景视频目标检测的主动学习。最后，我们表明我们的方法在两个数据集上测试的主动学习基线中表现更优。
引用
@article{arxiv.1908.11757,
title = {Temporal Coherence for Active Learning in Videos},
author = {Javad Zolfaghari Bengar and Abel Gonzalez-Garcia and Gabriel Villalonga and Bogdan Raducanu and Hamed H. Aghdam and Mikhail Mozerov and Antonio M. Lopez and Joost van de Weijer},
journal= {arXiv preprint arXiv:1908.11757},
year = {2019}
}
备注
Accepted at ICCVW 2019 (CVRSUAD-Road Scene Understanding and Autonomous Driving)