跳到正文
热点事件持续更新

研究提出基于基础模型的主动学习初始数据选择方法

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Mohammad Mirzaee 等人发布论文,提出一种针对目标检测的主动学习框架,用 YOLO-World 模型的特征聚类并按 objectness 分数筛选图像来选择初始训练数据,替代初始周期的不确定性采样,后续周期采用一致性采样。 论文称,在 NWPU VHR-10 数据集上,该方法在基于图像的评估中使 mAP50 平均提升 6.6%,图像筛选方法在基于目标的评估中提升约 11%。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv cs.AI
    基于基础模型初始数据选择提升主动学习目标检测性能

    一项研究提出针对目标检测任务优化主动学习初始训练周期的框架,利用 YOLO-World 模型的特征聚类并按 objectness 分数筛选图像,替代初始周期的不确定性采样,后续周期采用一致性采样。在 Aquarium 和 NWPU VHR-10 数据集上,NWPU 的 mAP50 基于图像评估平均提升 6.6%,图像筛选方法基于目标评估提升约 11%。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。