elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Best Practices in Active Learning for Semantic Segmentation

Niemeijer, Joshua und Mittal, Sudhanshu und Schäfer, Jörg P. und Brox, Thomas (2023) Best Practices in Active Learning for Semantic Segmentation. In: 45th Annual Conference of the German Association for Pattern Recognition. German Conference on Pattern Recognition (GCPR), 2023-09-19 - 2023-09-22, Heidelberg. doi: 10.1007/978-3-031-54605-1_28. ISBN 978-303154604-4. ISSN 0302-9743.

[img] PDF
2MB

Kurzfassung

Active learning is particularly of interest for semantic segmentation, where annotations are costly. Previous academic studies focused on datasets that are already very diverse and where the model is trained in a supervised manner with a large annotation budget. In contrast, data collected in many driving scenarios is highly redundant, and most medical applications are subject to very constrained annotation budgets. This work investigates the various types of existing active learning methods for semantic segmentation under diverse conditions across three dimensions - data distribution w.r.t. different redundancy levels, integration of semi-supervised learning, and different labeling budgets. We find that these three underlying factors are decisive for the selection of the best active learning approach. As an outcome of our study, we provide a comprehensive usage guide to obtain the best performance for each case. It is the first systematic study that investigates these dimensions covering a wide range of settings including more than 3K model training runs. In this work, we also propose an exemplary evaluation task for driving scenarios, where data has high redundancy, to showcase the practical implications of our research findings.

elib-URL des Eintrags:https://elib.dlr.de/198546/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Best Practices in Active Learning for Semantic Segmentation
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Niemeijer, JoshuaJoshua.Niemeijer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mittal, SudhanshuMittal (at) cs.uni-freiburg.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Schäfer, Jörg P.Joerg.Schaefer (at) dlr.dehttps://orcid.org/0000-0002-9985-5169166620289
Brox, Thomasbrox (at) cs.uni-freiburg.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:September 2023
Erschienen in:45th Annual Conference of the German Association for Pattern Recognition
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Nein
In ISI Web of Science:Nein
DOI:10.1007/978-3-031-54605-1_28
ISSN:0302-9743
ISBN:978-303154604-4
Status:veröffentlicht
Stichwörter:Active Learning, Semantic Segmentation
Veranstaltungstitel:German Conference on Pattern Recognition (GCPR)
Veranstaltungsort:Heidelberg
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:19 September 2023
Veranstaltungsende:22 September 2023
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - KoKoVI - Koordinierter kooperativer Verkehr mit verteilter, lernender Intelligenz
Standort: Berlin-Adlershof , Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik
Institut für Verkehrssystemtechnik > Kooperative Systeme, BS
Institut für Verkehrssystemtechnik > Kooperative Systeme, BA
Hinterlegt von: Niemeijer, Joshua
Hinterlegt am:05 Dez 2023 14:30
Letzte Änderung:21 Okt 2024 10:46

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.