高斯过程辅助的图像分类和目标检测模型元学习

本文介绍了一种新颖的元学习方法，该方法利用高斯过程来指导数据采集，以提高机器学习模型的性能，尤其是在收集真实数据成本高昂的情况下。核心思想是基于与训练数据相关的元数据（例如，季节、时间）构建学习者性能的替代模型。然后，这个作为高斯过程实现的替代模型会通知选择预期能最大化模型性能的新数据点。本文在经典学习示例和涉及飞机检测的航空图像收集的实际应用中，证明了该方法的有效性。该方法为优化数据收集策略和提高数据稀缺环境中模型的准确性提供了一种有前景的方法。