深層物体検出のためのアクティブラーニング手法

• 深層モデルは大量のラベル付きデータに依存しています。
• 本研究では、物体検出のための新しいアクティブラーニング手法を提案します。
• 不確実性に基づく指標を用いて、クラスの不均衡にも対応しています。

深層学習モデルの成功は多くのラベル付きデータに支えられていますが、新しいタスクのデータ取得は困難です。本論文では、物体検出に特化したアクティブラーニング手法を提案し、ラベル付けの効率を向上させることを目指しています。特に、不確実性に基づく選択指標を導入し、クラスの不均衡にも配慮したアプローチが特徴です。データラベリングの効率化に興味がある研究者におすすめです。

アクティブラーニングや物体検出に興味がある研究者や実務者に向いています。