主动学习加速计算机视觉开发

训练计算机视觉模型很像教孩子识别颜色。首先，你需要收集一系列彩色物体。然后，你要引导孩子正确识别每种颜色，这项任务往往既耗时又重复。

就像孩子需要大量的例子来学习一样，视觉模型也需要大量的标注数据来识别图像中的模式和物体。然而，标注大量数据需要花费大量时间和精力，更不用说资源了。主动学习等技术可以帮助简化这一过程。

主动学习是一个循序渐进的过程，即从一个大型数据集中选择最重要的数据并进行标记。模型从这些标注数据中学习，使其更加准确和有效。只关注最有价值的数据可以减少所需的标注量，加快模型的开发。

在本文中，我们将了解主动学习如何帮助模型训练、降低标注成本并提高模型的整体准确性。

建立图像数据集并非易事

数据集是计算机视觉和深度学习模型的基础。ImageNet等流行的数据集提供了数百万幅不同对象类别的图像。然而，创建和维护如此海量的高质量数据集也面临着各种挑战。 

例如，收集和标注数据需要时间、资源和熟练的标注人员，根据具体应用的不同，这一过程充满挑战。为了满足对图像数据集日益增长的需求，我们需要创新和更高效的解决方案，而这正是主动学习所要解决的问题。 

主动学习通过优化数据标注过程提供了一个完美的解决方案。通过有策略地选择信息量最大的数据点进行标注，主动学习可以最大限度地提高模型性能，同时最大限度地减少标注工作。 

什么是主动学习？

主动学习是一种迭代式机器学习技术，模型会从大量未标注数据中挑选出最重要的数据点进行标注。这些被选中的数据点会被手动标注并添加到训练数据集中。 

然后在更新的数据集上重新训练模型，并选择下一组数据点进行标注。这一过程不断重复，模型通过关注信息量最大的数据点不断改进。如此循环往复，直到模型达到预期的准确度或满足事先设定的标注标准。

‍

了解主动学习的运作方式

您可能想知道，主动学习技术如何决定哪些数据点需要手动标注，哪些数据点需要下一步标注。让我们把主动学习比作考试复习，来了解主动学习是如何运作的--你要专注于自己不确定的题目，同时确保涵盖各种科目，以便做好充分准备。

在初始数据选择过程中，主动学习会使用不确定性抽样和多样性抽样等策略。不确定性抽样优先选择模型预测信心不足的数据点，旨在提高挑战性情况下的准确性。基于多样性的抽样选择涵盖广泛特征的数据点，通过让模型接触不同的示例，确保模型能很好地泛化到未见过的数据中。

在初始数据选择之后，主动学习主要使用两种方法进行标记：基于池的抽样和基于流的抽样。 

在基于池的采样中，模型会扫描一大堆未标记的数据，然后选择最具挑战性或信息量最大的示例进行标记，这就像学生优先选择他们认为最难的闪存卡一样。至于基于流的采样，模型会在数据到达时对其进行处理，决定是对其贴标签还是跳过，这类似于学生在遇到困难时才寻求帮助。在这两种情况下，标注的数据都会添加到训练集中，然后模型会进行自我再训练，每次迭代都会稳步提高。

探索主动学习的应用

主动学习在医学成像和自动驾驶等计算机视觉应用中发挥着关键作用，它能提高模型的准确性并简化数据标注过程。一个有趣的例子是，自动驾驶汽车中使用计算机视觉模型来检测弱光或雾天条件下的行人或物体。主动学习可以通过关注多样化和具有挑战性的驾驶场景来提高准确性。 

具体来说，主动学习可用于识别此类场景中的不确定数据或帧，以进行选择性标记。在训练集中添加这些标记示例，可使模型在恶劣天气或夜间行车等困难环境中更好地识别行人和物体。

例如，NVIDIA ，在其自动驾驶模型中使用主动学习来提高夜间行人检测能力。通过战略性地选择信息量最大的数据进行训练，特别是在具有挑战性的场景中，模型的性能大幅提高。

‍

主动学习可降低标签成本

主动学习的另一个关键方面是其降低标注成本的潜力。它只关注最重要的数据点，而不是要求对整个数据集进行标注。这种有针对性的方法可以节省时间、精力和金钱。通过对不确定或多样化样本的深入研究，主动学习可以减少所需的标注数量，同时还能保持较高的模型准确性。

事实上，研究表明，主动学习可以在不影响性能的情况下将贴标成本降低40-60%。这对医疗保健和制造等行业尤其有帮助，因为这些行业的数据标注成本很高。通过简化标注过程，主动学习可以帮助企业更快地开发模型，更高效地部署模型，同时保持准确性。

主动学习的好处

以下是主动学习的其他一些主要优势：

• 解决类不平衡问题：主动学习可以通过标注少数数据类别的实例，帮助解决类别不平衡问题。该模型能在数据有限的罕见场景中发挥更好的作用。
• 更快的开发周期：间接标记更少的数据意味着加快机器学习和计算机视觉模型的开发进程，从而有更多的时间和资源进行更多的迭代和实验。
• 适应性强：它可以通过迭代不确定或边缘情况样本来不断改进训练数据，因此非常适合动态或不断变化的数据集。

主动学习和 AutoML 可以协同工作

自动化机器学习（AutoML）侧重于将构建和部署机器学习模型所涉及的耗时和迭代任务自动化。它通过自动执行模型选择和性能评估等任务来简化机器学习工作流程，从而减少人工操作的需要。 

与主动学习集成后，AutoML 可以加快并优化模型开发生命周期。主动学习组件从战略上选择信息量最大的数据点进行标注，而 AutoML 则通过自动选择架构、参数和调整来完善模型。

‍

让我们通过一个例子来了解这种技术组合。 

比方说，您正试图检测医学成像中的罕见病症（这是一种标注数据集有限且获取成本高昂的使用案例）。主动学习可以识别和选择模型无法分类的不确定数据，如 X 光图像中的细微变化。然后，不确定数据可以优先进行人工标注，以提高对模型的理解。 

有了注释数据，AutoML 可以通过探索各种架构、超参数和其他数据增强技术来优化模型。这一迭代过程加快了可靠视觉模型的开发速度，例如 Ultralytics YOLO11等可靠的视觉模型，帮助医疗专业人员做出准确诊断。

主动学习的挑战

主动学习及其技术具有众多优势，但在实施这些策略时也有一些注意事项：

• 查询策略选择：主动学习涉及多种技术，选择最佳方法会对模型的有效性产生重大影响。选择不合适的策略会降低模型在特定应用中的性能。
• 再训练成本：主动学习的迭代特性需要昂贵的计算资源，尤其是在大型数据集上。每一轮标注后都要对模型进行重新训练，从而增加了模型的复杂性。
• 初始模型的质量：主动学习的效果取决于初始模型的质量。表现不佳的初始模型可能无法准确识别信息数据点，从而导致标签请求不达标和整体性能下降。

主动学习和 AutoML 的未来之路

随着人工智能和计算机视觉领域的最新进展，主动学习必将应对更复杂的挑战，并简化机器学习工作流程。将主动学习与联合学习和自我监督学习等技术相结合，可以进一步提高视觉模型的效率和可扩展性。 

联盟学习可以利用分布式框架在多个设备或服务器上训练模型，而无需数据离开其原始位置。考虑到医疗保健等行业对数据隐私的重视，联合学习可以直接在敏感的本地数据上进行训练，同时保证数据的安全。与共享原始数据不同的是，只共享模型更新或见解，从而确保私人信息受到保护，同时仍有助于训练过程。

同时，自监督学习通过在无标记数据上预先训练模型，有助于减少对标记数据的需求。这一过程为模型奠定了坚实的基础。然后，主动学习可以在此基础上识别和选择最重要的数据点进行人工标注，从而进一步完善模型。

从主动学习到主动影响

主动学习为解决计算机视觉领域的主要挑战提供了一种实用的方法，例如高昂的数据标注成本和对更精确模型的需求。通过只专注于标注最有价值的数据点，它可以减少人类所需的工作量，同时提高模型的性能。

当与 AutoML 等技术相结合时，主动学习可将耗时的任务自动化，从而简化模型开发过程。随着技术的不断进步，主动学习必将成为构建更智能、更高效计算机视觉系统的重要工具。

探索我们的GitHub 存储库并加入我们的社区，了解更多有关人工智能和计算机视觉模型的信息。在我们的解决方案页面上了解计算机视觉在制造业和医疗保健 领域的更多应用。您还可以查看我们的许可选项，立即开始您的视觉人工智能之旅。