摘要:

通常情况下,由于标记成本高,限制了深度学习技术的应用领域,标记大量数据具有挑战性。主动学习(AL)通过在未标记池中查询需要注释的信息量最大的样本来解决这个问题。近年来研究的人工智能有两个很有前途的方向,一是选择远离当前标记池的数据点的任务不可知方法,二是依赖任务模型视角的任务感知方法。不幸的是,前者没有利用来自任务的结构,而后者似乎没有很好地利用整个数据分布。在这里,我们提出了任务感知变分对抗AL (TA-VAAL),它修改了任务不可知的VAAL,考虑了标签池和未标签池的数据分布,将任务学习损失预测简化为排序损失预测,并利用排序条件生成对抗网络在val中嵌入归一化排序损失信息。我们提出的TA-VAAL在使用平衡/不平衡标签进行分类以及语义分割的各种基准数据集上都优于现有水平,其任务感知和任务不可知的AL属性通过我们的深入分析得到了证实。

以下是别人已经做的笔记,可以借鉴。(侵删)

【主动学习】Variational Adversarial Active Learninghttps://www.shuzhiduo.com/A/MyJx26Yedn/[论文阅读] Variational Adversarial Active Learning_xiongxyowo的博客-CSDN博客论文地址:https://arxiv.org/abs/1904.00370代码:https://github.com/sinhasam/vaal发表于:ICCV’19Abstract主动学习的目的是通过对最有代表性的查询进行采样,由专家进行标注,从而开发出高效标签的算法。我们描述了一种基于池的半监督主动学习算法,它以对抗的方式隐式地学习了这种采样机制。与传统的主动学习算法不同,我们的方法是与任务无关的,也就是说,它不依赖于我们试图获取标注数据的任务的性能。我们的方法使用变分自编码器(VAE)和训练好https://blog.csdn.net/qq_40714949/article/details/120471972

https://www.twblogs.net/a/5dc4feb1bd9eee310da09c97https://www.twblogs.net/a/5dc4feb1bd9eee310da09c97【主动学习】论文笔记01-Variational Adversarial Active Learning_哔哩哔哩_bilibili第一篇投稿,就从论文分享开始吧!这是一篇主动学习方向的论文,作者结合了变分自编码器VAE和对抗网络,构造了一个表现更好的挑选策略。https://www.bilibili.com/video/BV1E5411a7kG/

【阅读】Variational Adversarial Active Learning相关推荐

  1. [论文阅读] Variational Adversarial Active Learning

    论文地址:https://arxiv.org/abs/1904.00370 代码:https://github.com/sinhasam/vaal 发表于:ICCV'19 Abstract 主动学习的 ...

  2. [论文阅读] State-Relabeling Adversarial Active Learning

    论文地址:https://arxiv.org/abs/2004.04943 代码:https://github.com/Beichen1996/SRAAL 发表于:CVPR 20 Abstract 主 ...

  3. Variational Adversarial Active Learning

    iccv2019的文章 介绍 基于池的半监督算法,总的来说vaal=GAN+VAE+AL,感觉还挺有新意的.理解难度大概是在loss上.值得注意的一点是与传统的主动学习算法不同,本文方法是任务不可知的 ...

  4. 文献阅读:《Generative Adversarial Active Learning for Unsupervised Outlier Detection》-2020 trans

    文章工作:用GAN网络生成伪异常样本,结合已有正常样本,把异常检测转化为一个二分类任务 贡献1: 本文提出用GAN作为异常样本的生成器,使生成的异常是有意义的异常.(针对问题:为了应对高维空间中异常样 ...

  5. [论文阅读] Multiple Instance Active Learning for Object Detection

    论文地址:https://openaccess.thecvf.com/content/CVPR2021/html/Yuan_Multiple_Instance_Active_Learning_for_ ...

  6. Generative Adversarial Active Learning生成性对抗性主动学习文献笔记

    文献1702.07956.pdf (arxiv.org) 生成性对抗性主动学习 介绍 这是第一个使用 GAN的主动学习工作,在它之后的GAN主动学习有不少,所以是首创性的工作,部分涉及分类的内容一笔带 ...

  7. [论文阅读] Cost-Effective REgion-based Active Learning for Semantic Segmentation

    论文地址:https://arxiv.org/abs/1810.09726 发表于:BMVC'18 Abstract 最先进的语义分割方法在有监督的情况下使用大量的标注训练图像语料库进行训练.然而,与 ...

  8. Generative Adversarial Active Learning for Unsupervised Outlier Detection

    关键词:离群点检测.生成潜在离群点.维数诅咒.生成性对抗主动学习.模式崩溃问题.多目标生成性对抗主动学习 1.INTRODUCTION 1.1 Outlier Detection应用领域 异常轨迹 运 ...

  9. 主动学习(Active Learning,AL)综述

    目录 1. 基本概念 2. 基于不确定性的主动学习方法 3.基于最近邻和支持向量的分类器的方法 3.1 NNClassifier 3.2 RBF network + Gradient Penalty ...

最新文章

  1. 关于ASP.NET 中站点地图sitemap 的使用
  2. Error No matching provisioning profiles found
  3. gettype拿不到值_拼多多场景实操——这样实操场景推广有效拿高投产【下篇】...
  4. python 二分查找_Python实现二分法搜索
  5. uni-app条件编译:#ifdef #ifndef #endif
  6. 计算机常用代码,[计算机软件及应用]jaa中常用代码.doc
  7. python模块基础之OS模块
  8. 7个Python实战项目代码,让你感受下大神是如何起飞的!
  9. matlab里的copula函数,常见copula函数简介
  10. android 仿微信demo————微信顶部操作栏搜索按钮实现(查询通讯录好友功能)
  11. 【数据应用案例】金融行业大数据用户画像实践
  12. CodeForces 1015 C Songs Compression
  13. Centos7安装ElasticSearch6.4
  14. javascript 动态设置样式style
  15. Android开发拨打座机分机号码
  16. Flink 1.10 SQL、HiveCatalog与事件时间整合示例
  17. 基于SPI协议的Flash驱动控制-数据普通读操作
  18. php css下划线,CSS文字下划线的设置方法介绍
  19. python情感分析(真实案例完整流程)
  20. 哪些 iOS 应用让你用了很满意并能提高生活质量?

热门文章

  1. 机器人误差动力学与PID控制
  2. MFC学习笔记--组合框Combo Box一些操作
  3. 根据指定字符拆分字符串
  4. 并联四足机器人项目开源教程(三)--- 使用webots搭建仿真环境
  5. 如何学习硬件电路设计,给出详细方案
  6. 基于X11协议的Linux快捷键管理
  7. Android APP架构设计——MVP的使用示例
  8. Kotlin+Retrofit + MVVM 的网络请求框架的封装
  9. 示坡线高程判断_【专题突破】等高线地形图的判读技巧
  10. 庚子中秋之际,走进刘易斯的S4 刘易斯逻辑之十