Conference
Deep Active Learning from Multispectral Data Through Cross-Modality Prediction Inconsistency
| العنوان: | Deep Active Learning from Multispectral Data Through Cross-Modality Prediction Inconsistency |
|---|---|
| المؤلفون: | Zhang, Heng, Fromont, Elisa, Lefevre, Sébastien, Avignon, Bruno |
| المساهمون: | ATERMES Montigny-le-Bretonneux, Large Scale Collaborative Data Mining (LACODAM), Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-GESTION DES DONNÉES ET DE LA CONNAISSANCE (IRISA-D7), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom Paris (IMT)-Institut Mines-Télécom Paris (IMT)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut Mines-Télécom Paris (IMT)-Institut Mines-Télécom Paris (IMT)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-IMT Atlantique (IMT Atlantique), Institut Mines-Télécom Paris (IMT)-Institut Mines-Télécom Paris (IMT), Institut universitaire de France (IUF), Ministère de l'Education nationale, de l’Enseignement supérieur et de la Recherche (M.E.N.E.S.R.), Université de Rennes (UR), Observation de l’environnement par imagerie complexe (OBELIX), SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE (IRISA-D5), SIGNAL, IMAGE ET LANGAGE (IRISA-D6) |
| المصدر: | Proceedings of IEEE International Conference on Image Processing (ICIP) ; ICIP 2021 - 28th IEEE International Conference on Image Processing ; https://hal.science/hal-03236409 ; ICIP 2021 - 28th IEEE International Conference on Image Processing, Sep 2021, Anchorage, United States. pp.1-5, ⟨10.1109/ICIP42928.2021.9506322⟩ |
| بيانات النشر: | HAL CCSD IEEE |
| سنة النشر: | 2021 |
| المجموعة: | Université de Rennes 1: Publications scientifiques (HAL) |
| مصطلحات موضوعية: | Active learning, multispectral pedestrian detection, semantic segmentation, multiple sensor fusion, [INFO.INFO-LG]Computer Science [cs]/Machine Learning [cs.LG], [INFO.INFO-CV]Computer Science [cs]/Computer Vision and Pattern Recognition [cs.CV] |
| جغرافية الموضوع: | Anchorage, United States |
| الوصف: | International audience ; Data from multiple sensors provide independent and complementary information, which may improve the robustness and reliability of scene analysis applications. While there exist many large-scale labelled benchmarks acquired by a single sensor, collecting labelled multi-sensor data is more expensive and time-consuming. In this work, we explore the construction of an accurate multispectral (here, visible & thermal cameras) scene analysis system with minimal annotation efforts via an active learning strategy based on the cross-modality prediction inconsistency. Experiments on multiple multispectral datasets and vision tasks demonstrate the effectiveness of our method. In particular, with only 10% of labelled data on KAIST multispectral pedestrian detection dataset, we obtain comparable performance as other fully supervised State-of-the-Art methods. |
| نوع الوثيقة: | conference object |
| اللغة: | English |
| DOI: | 10.1109/ICIP42928.2021.9506322 |
| الاتاحة: | https://hal.science/hal-03236409 https://hal.science/hal-03236409v1/document https://hal.science/hal-03236409v1/file/icip2021.pdf https://doi.org/10.1109/ICIP42928.2021.9506322 |
| Rights: | info:eu-repo/semantics/OpenAccess |
| رقم الانضمام: | edsbas.21E0E864 |
| قاعدة البيانات: | BASE |
| DOI: | 10.1109/ICIP42928.2021.9506322 |
|---|