🎯 Active Learning — 라벨링 우선순위
이 페이지의 용도와 미리 알아둘 것
ML 모델이 가장 덜 확신하는 (uncertainty 가 가장 큰) 이미지부터 정렬해서 보여줍니다. 정보량이 가장 큰 이미지를 먼저 라벨하면 적은 라벨 노력으로 가장 큰 학습 효과를 얻습니다.
전략 (strategy)
least_confidence— 가장 높은 finding confidence 가 0.5 에 가까운 이미지 우선. 가장 직관적, 빠른 baseline.mean_entropy— 모든 finding 의 binary entropy 평균. 정보이론적 표준 — 여러 finding 이 동시에 unsure 한 이미지가 highest score.min_margin— top-1 과 top-2 finding confidence 차이가 작은 이미지 우선 (modeling competing predictions).
권장 워크플로우
- 먼저
label_filter=no_label로 한 번 돌려서 아직 라벨 안 된 이미지 중 정보량 높은 것 우선 라벨. - 그 후
has_partial로 부분 라벨된 이미지 검토. - 새 모델 학습 후 다시 이 페이지 — 새 모델이 unsure 인 다른 이미지들이 떠오름 (active-learning iteration).
불러오는 중...