基于图的信息驱动主动学习方法和系统

本发明涉及计算机视觉技术领域，公开了一种基于图的信息驱动主动学习方法和系统，方法包括：计算每个对象的聚类对应的空间不确定性、类别不确定性和存在不确定性，进行归一化并加权聚合，得到对象的不确定性分数和图像的整体不确定性分数；构建不确定性感知的视觉语义图；将所述视觉语义图划分为多个社区，将标注预算分为两部分，一部分按社区大小比例分配，在各社区内部依据整体不确定性分数进行加权随机采样，另一部分按社区的结构重要性分配，在各社区内部采样高不确定性样本。本发明通过逐轮选择信息量最大的样本进行标注，以有限预算获得最大化的模型性能提升。