不确定度引导的对抗主动学习目标检测方法

作     者：王晒雅 汤红忠 罗海凡 高尚 许岳兵 

作者机构：湘潭大学智能计算与信息处理教育部重点实验室 衡阳师范学院物理与电子工程学院 湘潭大学自动化与电子信息学院 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金子课题(U19A2083) 湖南省自然科学联合基金(2023JJ50242) 湖南省教育厅重点项目(22A0115) 湖南省自然科学基金(2020JJ4151) 

主　　题：目标检测 主动学习 不确定度 对抗网络 

摘      要：基于主动学习的目标检测通常是用更少标注数据提高目标检测模型性能，即指学习者可以从大量未标注样本中选取有价值的样本进行人工标注，迭代训练与优化模型。然而，现有基于主动学习的目标检测方法仍然无法有效平衡样本不确定性和多样性，且查询样本冗余度高。为了解决这一问题，该文提出一种不确定度引导的对抗主动学习目标检测方法(Adversarial Active Learning method Guided by Uncertainty for object detection,AALGU)。首先，引入损失预测模块评估未标注样本的不确定度，并利用不确定度引导对抗网络训练，构建具有不确定性和多样性的查询样本集；其次，基于特征相似度评估样本差异性，降低查询样本的冗余度；最后，采用多种目标检测框架在MS COCO数据集与Pascal VOC数据集上的实验结果表明，所提方法能在较少标注下能有效提升目标检测精度。