摘要
摘要
在工业缺陷检测中,标注数据的质量直接影响后续检测模型的性能,然而传
统缺陷标注依赖专家、成本较高,且难以从海量样本中筛选出高质量标注数据。
目前较为流行的做法是采用主动学习进行样本的挑选,但是主动学习是启发式
的,手动设计的样本度量函数不能动态地适应不同的应用场景,无法挑选出价值
最高的样本数据。基于此,本文提出了一种基于强化学习的跨模态人机交互标注
方法,结合主动学习在人机交互中的样本选择机制,利用强化学习的自适应决
摘要
摘要
在工业缺陷检测中,标注数据的质量直接影响后续检测模型的性能,然而传
统缺陷标注依赖专家、成本较高,且难以从海量样本中筛选出高质量标注数据。
目前较为流行的做法是采用主动学习进行样本的挑选,但是主动学习是启发式
的,手动设计的样本度量函数不能动态地适应不同的应用场景,无法挑选出价值
最高的样本数据。基于此,本文提出了一种基于强化学习的跨模态人机交互标注
方法,结合主动学习在人机交互中的样本选择机制,利用强化学习的自适应决
文档评论(0)