注释只有YES或NO!一个非常高效的One-bit注释提案!
三个要点：
✔️ 我们提出了一种结合半监督学习和一比特标注的方法
✔️ 在相同成本下，半监督学习的图像分类任务的精度显著提高
✔️ 灵活的方法，可应用于物体检测和分割。
One-bit Supervision for Image Classification
written by Hengtong Hu, Lingxi Xie, Zewei Du, Richang Hong, Qi Tian
Cite as: arXiv:2009.06168 [cs.CV](or arXiv:2009.06168v2 [cs.CV] for this version)
Subjects: Computer Vision and Pattern Recognition (cs.CV)
首先
这些年，深度学习技术开始在各个领域得到应用。深度学习技术被大量使用的原因在于之所以得到如此广泛的应用，主要是由于它与经典方法相比，精度大大提高，而且灵活性强。
随着电晕在全球范围内的爆发，传统的商业模式将不再可行，我们将看到一个更加数字化的世界。在这种数字化的转变中，深度学习技术的重要性将持续增长。
然而，深度学习技术存在几大问题。其中之一是需要大量的数据进行训练，以及与之相关的高额标注成本。随着各种传感器的出现和扩散，收集大量数据的成本越来越低。然而，给收集到的数据贴标签的费用仍然很高，因为它与数据的数量成正比。特别是对于有大量类的数据集，如Imagenet，标注成本可能非常高。
在本文中，我们提出了一种新的低成本标注方法，称为一比特标注。通过将这种标注方法与半监督学习相结合，我们在图像分类任务中实现了较高的准确性。
要阅读更多。
你需要在AI-SCHOLAR注册。
或
与本文相关的类别
