DEEP ACTIVE LEARNING FROM MULTISPECTRAL DATA THROUGHCROSS-MODALITY PREDICTION INCONSISTENCY 论文阅读

（1）基本信息

1. 这篇文章是基于半监督的模式来做跨模态行人检测的，引入了主动学习的方法，意在使用少量标注信息达到和全监督跨模态数据集一样的效果；
2. 提出当两种模态检测结果相反时，至少有一种模态是检测错误的，这时才体现了模态间的互补性；而大多数情况下，两种模态的检测结果都是相同的，这就体现了模态间的冗余性

左图表示的是两种模态检测结果一样的情况，右图表示的是两种模态检测结果不一样的情况（右图的红框可以显示出互补性）

（2）方法理论

1.动机和研究意义

现在存在很多已经标注的大规模单一传感器数据集，但是跨模态数据集不多，而且收集和标注跨模态数据集要花费更多的时间和经历，也要依赖特殊的设备，所以提出基于不同传感器之间的互补性和冗余性去适应性的挑选需要标注的跨模态数据样本

2.主动学习理论