跳到正文
arXiv · 机器人与计算机视觉· Julien Combes (SVH, Michelin), Jean-Fran\c{c}ois Coeurjolly (SVH), Alexandre Derville (Michelin)·· 28 天前AI 评分23

主动学习在模拟类别不平衡与标签偏移下的二值语义分割研究

Active Learning under Simulated Class Imbalance and Label Shift in Binary Semantic Segmentation

AI 导读

针对机器视觉中缺陷分布强类别不平衡及存储限制引发的潜在标签偏移问题,该研究提出一种基于两个开源数据集的合成协议。实验对比了随机采样、熵基选择、核心集选择及 Galaxy Sampling 四种策略,证实即便在高度不平衡数据下,后三者仍优于随机采样并量化了标签偏移导致的效率损失。

来源:arXiv · 机器人与计算机视觉 · arxiv.org