计算机视觉主动学习实战应用

可视化演示

动态演示计算机视觉主动学习实战应用的核心机制，通过架构/数据/状态/性能四种模式展示关键概念与交互流程。

主动学习基础

采购员接手果园前，第一件事不是急着尝果子，而是想清楚策略：预算能尝多少颗、先扫哪片园子、每轮怎么规划。主动学习的起点也一样，它不改变你的模型结构，改变的是“数据从哪来”这件事。传统训练是模型被动等着投喂数据，主动学习则让模型主动开口：“我要标注这几张图，别给我那些我已经知道的。”

把这套逻辑翻译成技术语言：主动学习假设有一大堆未标注图片，称为未标注池 $\mathcal{U}$；每次从池子里挑一小批最有价值的样本，交给人工标注者（Oracle）打标签，然后更新训练集、重新训练模型，循环往复。整个循环是“训练 → 预测 → 挑图 → 标注 → 再训练”。挑图环节的核心，是所有主动学习算法的灵魂——选择函数（Query Strategy）：

像采购员每轮尝过几颗果子，心里那份“哪片园子甜”的判断就更准一分。主动学习每轮挑完、标完、训完，模型对“哪些图有价值”的认识也更新一次。标注预算有限，所以每一轮挑选都格外珍贵——这正是整套方法的出发点。

不确定性采样

采购员手握预算，最该先尝哪颗？老手的答案是：越“拿不准”的果子越要先剖开看。一颗表皮红得透亮的苹果，谁都知道它甜；但一颗颜色发黄又带点斑的，你反而想切开验证——因为它可能惊艳，也可能酸掉牙，信息量最大。不确定性采样（Uncertainty Sampling）就是这个思路：挑模型“最犹豫”的样本。

对于一个分类模型，输入一张图 $x$，它会输出属于每个类别的概率 $P(y=c|x)$。如果模型对某张图输出“猫 50%、狗 50%”，说明它快纠结死了，这张图最有训练价值。最常用的度量是熵（Entropy），它把“犹豫程度”量化成一个数：

除了熵，还有两个常用的“犹豫”指标。一个是间隔采样（Margin Sampling），看最大概率和第二大概率差多少，差值越小越犹豫；另一个是最低置信度（Least Confidence），直接看最大概率本身，越低越值得标。间隔的定义是：

$M(x)$ 越小，说明模型在两个类别间摇摆越厉害，这张图越需要人工给个“标准答案”。一颗果子越让老采购员看不透，他越要亲自剖开；一张图越让模型两头为难，它越该被送去标注——这就是不确定性采样的全部哲学。

多样性采样

只挑“拿不准”的果子有隐患。假设果园东头有好几棵相邻的苹果树，因为光照差都长着半青半红的果子，模型对它们全都“拿不准”。如果你挨个标注，等于花三份预算买了三颗几乎一模一样的果子。聪明的采购员会先抬头看看全局：东边一片、西边一片、山上还有一片，每片挑一颗代表尝尝，心里对整个果园才有谱。多样性采样（Diversity Sampling）干的就是这件事。

常见的做法是聚类选择：把未标注图片的特征向量做聚类（比如 K-Means），每个簇里的图片彼此相似，于是从每个簇里挑一两个代表去标注，保证覆盖不同“口味”。更理论化一点的是核心集选择（Core-Set），它的目标是找一个小子集，使得子集里的点能“代表”整个候选池——两个聚类结果是殊途同归的“分区尝果”。核心集形式化如下：

在实际工程里，主动学习很少只用单一策略，常见套路是把不确定性和多样性组合起来：先按不确定性排出前几百张候选，再用聚类或核心集从里面“去重压缩”出最终的一批。先尝最可疑的，再保证品种多样——采购员的这两条铁律，也是主动学习的两根支柱。

半监督配合

经验丰富的采购员有个绝活：不用剖开果子，光看颜色、捏捏软硬，就能猜个八九不离十。他仍然会剖开最关键的几颗验证猜测，但其他果子靠经验“猜”就能节省大量动作。半监督学习（Semi-Supervised Learning）就是 AI 界的“猜果经验”，它和主动学习配合起来天衣无缝。

具体怎么配合？主流做法是伪标签（Pseudo-Labeling）：用当前模型对未标注图做预测，只采纳置信度足够高的预测作为“假标注”，加进训练集一起训练。比如模型对某张图输出“猫 98%”，那这张图就贴上个“猫”的伪标签，当真实标注用。判断依据是一个阈值：

更进一步，还可以把伪标签作为一项正则化约束加入总损失，让模型在带标签和无标签数据上一起训练：

其中 $\mathcal{L}_{\mathrm{sup}}$ 是人工标注的监督损失，$\mathcal{L}_{\mathrm{unsup}}$ 是无标注数据的正则损失（比如对图片做随机增强后，模型输出要保持一致），$\lambda$ 是两者权重。主动学习和半监督的分工很清晰：主动学习解决“标什么”，半监督解决“用什么不标的数据”。一个派活，一个干活，配合起来能把标注预算的价值放大数倍。

CV场景应用

不同水果有不同挑法：西瓜靠拍、芒果靠闻、苹果看色。CV 任务也一样，图像分类、目标检测、语义分割、关键点检测，各自的不确定性度量方式大不相同。直接照搬通用公式，就像拿拍西瓜的手势去拍葡萄，必然翻车。

图像分类最简单：整张图过一个分类网络，直接对输出的 softmax 概率算熵或 margin 就行。一张图对应一个不确定性分数，干净利落。目标检测则复杂得多——图上有一堆框，每个框里一个物体、带一个分类概率，模型对这张图的“犹豫”要怎么算？常用做法是聚合：把所有候选框的不确定性取平均，或者取最高 Top-K 框的均值，把“图级不确定性”推导出来：

语义分割对每个像素都要输出类别，不确定性可以在像素级算好，再聚合成“图平均不确定性”或“高不确定像素占比”。关键点检测则更讲究：遮挡、模糊的关键点才是标注难点，可以只取最不确定的那几个关键点区域去标注。核心原则始终不变：把模型当前的“犹豫”准确地汇总成一张图的优先级，只是换了一把符合任务形态的尺子。

工具与框架

老采购员会定期擦亮自己的工具箱：电子秤称重、光谱仪测糖、小刀剖果，各有各的用场。做主动学习也一样，不需要什么都从零造轮子——一套趁手的工具能让你从“想法”快速跑到“实验验证”。

最常用的轻量级工具是 modAL，它把主动学习封装成了 sklearn 风格接口，几行代码就能搭一个循环：定义模型、定义查询策略、调用 fit 和 query。非常适合做基线实验和数据集的初步验证。另一个思路是在 PyTorch 生态里自己写训练循环，灵活度最高——你可以把不确定性计算插进任何模型前向传播之后，再配合 DataLoader 对未标注池做批量推理。一个典型的流程形式化如下：

开源世界里还有不少现成方案：像 ALiPy 提供了丰富的策略对比框架，Baal 支持贝叶斯不确定性估计，慢速但更稳健的 scikit-activeml 也是学术实验的好帮手。选工具的准则和挑水果一样——别选最贵的，选最合手型的。先拿 modAL 跑通基线，确认策略有效，再迁移到 PyTorch 定制化管线，是性价比最高的路径。

项目落地

光有策略和工具，离真正“把果子卖上好价钱”还差一套完整的采购流程。落地主动学习项目时，你会遇到几个现实问题：一开始模型啥都没学过，怎么知道哪张图“不确定”？每轮送标多少张才不会让标注团队手忙脚乱？怎么量化这套方法到底省了多少钱？

第一个问题叫冷启动。模型还没训练，不确定性无从谈起。稳妥的做法是先随机标注一小批（几十到几百张）打底，训练出一个“粗糙但能用”的模型，再从第二轮开始走上主动学习正轨。这就像采购员首次进园，绕了一圈先摘几颗找找手感，后面才进入“挑最有价值”的精细操作。第二个问题是轮次管理：每轮送标量 $k$ 不宜太大也不宜太小，通常设为数据总量的 1%～5%，并保持与标注团队产能匹配。

第三个问题最关键——效果评估。不要只看最终精度，要看“预算-精度”曲线的形状：同样标注 5000 张，主动学习比随机采样高几个点？一个简单的量化指标是每轮标注增益：

工程排坑还有个常见细节：每轮对未标注池重新提取特征时，记得缓存特征向量，否则几百个 epoch 的推理会拖垮迭代速度。还要给每轮采样加“去重”保护，防止模型反复挑出几乎同一张图。至此，从策略到工具再到流程，你和那位精明采购员之间只差一次次实践了——先小规模跑通，再扩大预算，让每一分标注钱都花在刀刃上。

AI 应用场景

Python 演示

import numpy as npfrom sklearn.linear_model import LogisticRegressionfrom sklearn.datasets import make_classification X, y = make_classification(    n_samples=400, n_features=2, n_redundant=0,    n_informative=2, n_clusters_per_class=2,    flip_y=0.05, random_state=42)rng = np.random.RandomState(0) INIT_N = 20BATCH = 10ROUNDS = 10 def run_active():    idx = np.array(rng.choice(len(X), INIT_N, replace=False))    accs = []    for _ in range(ROUNDS):        clf = LogisticRegression()        clf.fit(X[idx], y[idx])        accs.append(clf.score(X, y))        cand = np.setdiff1d(np.arange(len(X)), idx)        proba = clf.predict_proba(X[cand])        ent = -(proba * np.log(proba + 1e-9)).sum(axis=1)        pick = cand[np.argsort(ent)[::-1][:BATCH]]        idx = np.concatenate([idx, pick])    return accs def run_random():    idx = np.array(rng.choice(len(X), INIT_N, replace=False))    accs = []    for _ in range(ROUNDS):        clf = LogisticRegression()        clf.fit(X[idx], y[idx])        accs.append(clf.score(X, y))        cand = np.setdiff1d(np.arange(len(X)), idx)        pick = rng.choice(cand, BATCH, replace=False)        idx = np.concatenate([idx, pick])    return accs acc_active = run_active()acc_random = run_random()print("主动学习各轮准确率:", [round(a, 3) for a in acc_active])print("随机采样各轮准确率:", [round(a, 3) for a in acc_random])print("最终领先幅度:", round(acc_active[-1] - acc_random[-1], 3))

1. make_classification(n_samples=400, ...)生成 400 张“图片特征”的模拟数据集，两簇分布让分类有难度，更贴近真实 CV 特征。
2. clf.fit(X[idx], y[idx])只拿当前已标注的样本训练模型，模拟“预算有限”的标注场景。
3. proba = clf.predict_proba(X[cand])对未标注池做批量推理，得到每张图属于各个类别的概率。
4. ent = -(proba * np.log(proba + 1e-9)).sum(axis=1)按熵公式计算每张图的不确定性，1e-9 防止对 0 取对数。
5. pick = cand[np.argsort(ent)[::-1][:BATCH]]把未标注图按熵从高到低排序，挑出最犹豫的 10 张送标。
6. accs.append(clf.score(X, y))每轮在全量数据上评估模型精度，画出“预算-精度”曲线。
7. run_random()` 中的 `rng.choice(cand, BATCH, replace=False)随机挑 10 张当作对照组，与主动学习做公平对比。

常见误区

面试题