跳到正文
热点事件持续更新

研究提出用基础模型特征聚类改进主动学习初始选样

1 篇报道1 个报道来源10 小时前更新

先了解这件事

AI 综述

Mohammad Mirzaee 等作者提出一种用于目标检测主动学习的框架,在初始轮次不再做不确定性采样,改用 YOLO-World 模型的特征聚类选样,并按 objectness 分数精炼图像;后续轮次改用一致性采样。 作者在 NWPU VHR-10 数据集上报告,图像级评估的 mAP50 平均提升 6.6%,图像精炼在目标级评估中提升约 11%。算法实现已公开。

AI 根据报道生成 · 56 分钟前更新

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的主动学习性能提升方法

    研究提出一种主动学习框架,用 YOLO-World 模型的特征聚类替代初始轮次的不确定性采样,并按 objectness 分数精炼图像,后续轮次改用一致性采样。在 NWPU VHR-10 数据集上,该方法图像级评估的 mAP50 平均提升 6.6%,图像精炼在目标级评估中提升约 11%。算法实现已公开。

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。