研究提出用基础模型特征聚类改进主动学习初始选样
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
最新进展11月20日 13:00
基于基础模型初始数据选择的主动学习性能提升方法报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- 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。