用于图像分类的主动生成对抗网络
机器学习
2019-06-18 v1 计算机视觉与模式识别
机器学习
摘要
充分的监督信息对于任何机器学习模型提升性能都至关重要。然而，标注数据代价高昂且有时难以获取。主动学习是一种通过选择高概率增强性能的信息样本从人类预言机获取标注的方法。在近期新兴研究中，生成对抗网络（GAN）已与主动学习结合以生成呈现给预言机的良好候选样本。本文中，我们提出一种无需查询预言机即以更廉价方式获取数据标签的新模型。该模型为每个样本设计了一种新奖励以度量不确定性程度，该奖励由用现有标注数据训练的分类器获得。此奖励用于引导条件GAN以更高概率为某一特定标签生成信息样本。通过广泛评估，我们确认了模型的有效性，表明所生成样本能够提升流行图像分类任务中的分类性能。
引用
@article{arxiv.1906.07133,
title = {Active Generative Adversarial Network for Image Classification},
author = {Quan Kong and Bin Tong and Martin Klinkigt and Yuki Watanabe and Naoto Akira and Tomokazu Murakami},
journal= {arXiv preprint arXiv:1906.07133},
year = {2019}
}
备注
AAAI2019