Active Learning for Object Detection with Non-Redundant Informative Sampling

要約

2D オブジェクト検出器のパフォーマンスを向上させるには、有益で代表的なデータセットを厳選することが不可欠です。
選択の有益性と多様性の両方に対処する、新しいアクティブ ラーニング サンプリング戦略を提案します。
私たちの戦略は、選択されたサンプルの集合的な情報スコアを測定することにより、不確実性と多様性に基づく選択原則を共同選択目標に統合します。
具体的には、私たちが提案する NORIS アルゴリズムは、あるサンプルを使用したトレーニングが他の同様のサンプルの情報提供性に及ぼす影響を定量化します。
有益であると同時に他の非常に有益なサンプルから離れているサンプルを排他的に選択することにより、高レベルの有益性を維持しながら冗長性を効果的に回避します。
さらに、画像全体の特徴を利用してサンプル間の距離を計算するのではなく、画像内の検出された物体領域から抽出された特徴を利用して物体の特徴を定義します。
これにより、さまざまなオブジェクトの種類、形状、角度を含むデータセットを構築できます。
物体検出および画像分類タスクに関する広範な実験により、最先端のベースラインに対する当社の戦略の有効性が実証されました。
具体的には、当社の選択戦略により、PASCAL-VOC と KITTI のランダム選択と比較して、それぞれ 20% と 30% のラベルコストの削減が達成されます。

要約(オリジナル)

Curating an informative and representative dataset is essential for enhancing the performance of 2D object detectors. We present a novel active learning sampling strategy that addresses both the informativeness and diversity of the selections. Our strategy integrates uncertainty and diversity-based selection principles into a joint selection objective by measuring the collective information score of the selected samples. Specifically, our proposed NORIS algorithm quantifies the impact of training with a sample on the informativeness of other similar samples. By exclusively selecting samples that are simultaneously informative and distant from other highly informative samples, we effectively avoid redundancy while maintaining a high level of informativeness. Moreover, instead of utilizing whole image features to calculate distances between samples, we leverage features extracted from detected object regions within images to define object features. This allows us to construct a dataset encompassing diverse object types, shapes, and angles. Extensive experiments on object detection and image classification tasks demonstrate the effectiveness of our strategy over the state-of-the-art baselines. Specifically, our selection strategy achieves a 20% and 30% reduction in labeling costs compared to random selection for PASCAL-VOC and KITTI, respectively.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google