对抗表示主动学习
计算机视觉与模式识别
2019-12-23 v1 机器学习
摘要
主动学习旨在通过查询最具信息量的样本由 oracle 标注，以开发标签高效的算法。设计需要更少标签的高效训练方法是一个重要的研究方向，其可更有效地利用计算和人力资源来标注并训练深度神经网络。在本工作中，我们展示了如何利用深度生成模型的最新进展，在使用尽可能少标签的情况下取得超越当前最优（SOTA）的分类精度。与以往方法不同，我们的方法不仅使用标注图像训练分类器，还使用未标注图像和生成图像来协同训练整个模型。我们的实验表明，所提方法在多个数据集（MNIST、CIFAR-10、SVHN、CelebA 和 ImageNet）上的主动学习中显著优于现有方法。
引用
@article{arxiv.1912.09720,
title = {Adversarial Representation Active Learning},
author = {Ali Mottaghi and Serena Yeung},
journal= {arXiv preprint arXiv:1912.09720},
year = {2019}
}