机器视觉（AOI）之深度主动学习
广东吉洋视觉：SMT AOI,LED AOI,焊线AOI,焊线检测AOI。主动学习试图通过标记最小样本数来最大化模型的性能。深度学习是对数据的贪婪，需要大量的数据供给来优化大量的参数，从而使模型能够学习如何提取高质量的特征。近年来，由于互联网技术的飞速发展，我们正处在一个信息流动的时代，我们拥有大量的无标记数据。这样，深度学习就引起了研究者的浓厚兴趣，并得到了迅速的发展。与深度学习相比，研究者对主动学习的兴趣较低。这主要是因为在深度学习兴起之前，传统的机器学习需要的标记样本相对较少。因此，早期主动学习很难体现其应有的价值。尽管深度学习在各个领域都取得了突破性进展，但其成功大多归功于对现有大量注释数据集的披露。然而，获取大量高质量的标注数据集需要大量的人力，这在一些专业知识要求高的领域是不允许的，特别是在语音识别、信息提取、医学图像等领域。因此，主动学习逐渐受到应有的重视。一个自然的想法是，是否可以使用主动学习来降低样本标注的成本，同时保留深度学习的强大学习能力。因此，深度主动学习应运而生。虽然相关研究已经相当丰富，但缺乏对深层主动学习的全面调查。本文正是为了填补这一空白，为现有工作提供了形式统一的分类方法，并给出了全面系统的综述。此外，本文还从应用的角度对 Dal 的发展进行了分析和总结。最后，讨论了 Dal 存在的困惑和问题，并提出了 Dal 可能的发展方向。
郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。
