오브젝트 디텍터를 위한 베이시안 듀얼 오토엔코더를 이용한 익스플레이너블 액티브 러닝 방법 및 이를 이용한 액티브 러닝 디바이스

오브젝트 디텍터를 위한 베이시안 듀얼 엔코더를 이용한 익스플레이너블 액티브 러닝 방법에 관한 것으로, (a) 테스트 이미지들을 오브젝트 디텍터에 입력하여 크롭된 이미지들을 생성하고, 테스트 이미지들과 크롭된 이미지들을 리사이즈하며, 리사이즈된 이미지들을 데이터 엔코더에 입력하여 데이터 코드들을 출력하고; (b) (b1) (i) 테스트 이미지들을 오브젝트 디텍터에 입력하고, 베이시안 출력 임베딩을 적용하며, 액티베이션 엔트로피 맵들과 크롭된 액티베이션 엔트로피 맵들을 리사이즈하거나, (ii) 리사이즈된 오브젝트 이미지들을 입력하고, 베이시안 출력 임베딩을 적용하며, (b2) 리사이즈된 액티베이션 엔트로피 맵들을 모델 엔코더에 입력하여 모델 코드들을 출력하고; (c) (i) 레퍼런스 데이터 코드들을 확인하고, 레어 샘플들로 특정 테스트 이미지들을 선택하며, 데이터 코드북을 업데이트하고, (ii) 레퍼런스 모델 코드들을 확인하며, 하드 샘플들로 특정 테스트 이미지들을 선택한다. Processes of explainable active learning, for an object detector, by using a Bayesian dual encoder is provided. The processes include: (a) inputting test images into the object detector to generate cropped images, resizing the test images and the cropped images, and inputting the resized images into a data encoder to output data codes; (b) (b1) one of (i) inputting the test images into the object detector, applying Bayesian output embedding and resizing the activation entropy maps and the cropped activation entropy maps, and (ii) inputting resized object images and applying the Bayesian output embedding and (b2) inputting the resized activation entropy maps into a model encoder to output model codes; and (c) (i) confirming reference data codes, selecting specific test images as rare samples, and updating the data codebook, and (ii) confirming reference model codes and selecting specific test images as hard samples.