Uživatelské rozhraní pro Active Learning detekce a klasifikace v obraze

Abstract

Při aktivním učení doménový expert nemusí anotovat veškerá data, ale pouze ta, která umožní model trénovat postupně. Příkladem aktivního učení je například detekce a následné odstranění špatných anotací. Dalším příkladem je detekce a rozšíření trénovacích dat, na kterých model selhává. Součástí práce je popis knihoven, frameworků a programů, které lze pro aktivní učení integrovat. Hlavní částí je návrh a popis uživatelského rozhraní webové aplikace pro aktivní učení. Aplikace umožňuje uživateli prohlížet dataset, řadit anotace a obrázky na základě vícero kritérií a upravovat anotace generované modelem aktivního učení. Grafické uživatelské rozhraní aplikace bylo implementováno s použitím frameworku Vue.js a knihovny Paper.js. V závěru práce je diskutována funkčnost a možnosti budoucícho rozšíření.

With active learning, domain expert doesn't need to annotate the whole dataset, but only those which will allow incremental training of a given model. An example of active learning could be detection and removal of wrong annotations. Another example is detection and expansion of training data which model fails to predict. Description of libraries, frameworks and programs which can be used to integrate with active learning is included in this work. The main part of this work is the design and description of a user interface for active learning. The application allows user to browse dataset, sort annotations and images by multiple criteria and modify annotations generated by active learning model. The application's graphical user interface was implemented with the Vue.js framework and Paper.js library. In conclusion, functionality and future application expansion are discussed.