다중 인스턴스 활성 학습을 이용한 객체 검출

이미지 인식을 위한 활성 학습에서 상당한 진전이 이루어졌음에도 불구하고, 객체 검출을 위해 특화된 인스턴스 수준의 활성 학습 방법은 아직 부족하다. 본 논문에서는 인스턴스 수준의 불확실성을 관찰하여 가장 정보가 많은 이미지를 검출기 훈련에 선택하는 다중 인스턴스 활성 객체 검출(Multiple Instance Active Object Detection, MI-AOD) 방법을 제안한다. MI-AOD는 라벨링된 데이터셋에서 훈련된 두 개의 적대적 인스턴스 분류기 사이의 차이를 활용하여 라벨링되지 않은 데이터셋의 인스턴스 불확실성을 예측하는 인스턴스 불확실성 학습 모듈을 정의한다. MI-AOD는 라벨링되지 않은 이미지를 인스턴스 가방으로 취급하고, 이미지 내의 피처 앵커를 인스턴스로 간주하며, 다중 인스턴스 학습(multiple instance learning, MIL) 방식으로 인스턴스를 재가중하여 이미지 불확실성을 추정한다. 반복적인 인스턴스 불확실성 학습과 재가중은 노이즈 있는 인스턴스를 억제하고, 인스턴스 수준의 불확실성과 이미지 수준의 불확실성 사이의 격차를 줄이는 데 도움을 준다. 실험 결과는 MI-AOD가 인스턴斯 수준의 활성 학습에 견고한 기준선을 설정함을 입증한다. 일반적으로 사용되는 객체 검출 데이터셋에서 MI-AOD는 특히 라벨링된 데이터셋이 작을 때 현행 최고 성능 방법론보다 크게 우수한 성능을 보였다. 코드는 https://github.com/yuantn/MI-AOD에서 제공된다.注：在最后一句中，“인스턴ス” 应该是 “인스턴스”，这是由于输入时的一个小错误。正确的翻译应该是：실험 결과는 MI-AOD가 인스턴斯 수준의 활성 학습에 견고한 기준선을 설정함을 입증한다. → 실험 결과는 MI-AOD가 인스턴수준의 활성 학습에 견고한 기준선을 설정함을 입증한다.