面向多类图像分类的主动学习
计算机视觉与模式识别
2025-05-13 v1 机器学习
摘要
图像分类的一个基本瓶颈在于需要大量的训练样本来训练分类器。通过采用主动学习，我们可以在更少的训练样本数量下，通过战略性地选择样本来训练卷积神经网络分类器。通过对不同的不确定性指标对图像样本进行赋值，使模型能够在更小的训练集规模内识别并选择高价值样本。我们在手写数字识别和水果分类任务上分别在 MNIST 和 Fruits360 数据集上展示了实验结果。我们正式比较了四种不同不确定性指标的结果。最后，我们观察到主动学习在更简单（二分类）任务上也同样有效，但相对于随机抽样，效果在更困难的任务上更为显著。我们表明，主动学习是解决图像分类问题的可行算法。
引用
@article{arxiv.2505.06825,
title = {Active Learning for Multi-class Image Classification},
author = {Thien Nhan Vo},
journal= {arXiv preprint arXiv:2505.06825},
year = {2025}
}