BAOD : Budget-Aware Object Detection
Pardo González, Luis Alejandro · LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 2024
"En este trabajo se estudió el problema de la detección de objetos desde una nueva perspectiva en la que las restricciones presupuestarias de anotación son tomadas en consideración. Cuando se tiene un presupuesto fijo, proponemos una estrategia para construir una base de datos diversa e informativa que se puede utilizar para entrenar de manera óptima un detector robusto. Se desarrollaron métodos basados tanto en optimización como en aprendizaje para escoger y anotar imágenes. Se adoptó una estrategia de entrenamiento supervisado híbrido para entrenar el detector de objetos usando anotaciones a nivel de imagen y de instancia. Se Realizó un exhaustivo estudio empírico que muestra que un método de optimización diseñado a mano supera a otras técnicas de selección que incluyen muestreo aleatorio, aprendizaje activo y aprendizaje por refuerzo."