深度主动学习用于图像分类有效性的实证研究
计算机视觉与模式识别
2022-12-07 v1 人工智能
摘要
深度主动学习（DAL）已被倡导为一种在有监督学习中降低标注成本的有前景的方法。然而，现有对 DAL 方法的评估基于不同设置，其结果存在争议。为解决此问题，本文在统一设置下全面评估了 19 种现有 DAL 方法，包括传统的全监督主动学习（SAL）策略和新兴的半监督主动学习（SSAL）技术。我们有若干重要发现。首先，大多数 SAL 方法无法达到比随机选取更高的准确率。其次，与纯 SAL 方法相比，半监督训练带来了显著的性能提升。第三，在 SSAL 设置下进行数据选择可以实现显著且一致的性能改进，尤其是在有充足无标签数据时。我们的发现为实践者提供了如下指导：应当（i）尽早应用 SSAL，并且（ii）尽可能收集更多无标签数据，以获得更好的模型性能。
引用
@article{arxiv.2212.03088,
title = {An Empirical Study on the Efficacy of Deep Active Learning for Image Classification},
author = {Yu Li and Muxi Chen and Yannan Liu and Daojing He and Qiang Xu},
journal= {arXiv preprint arXiv:2212.03088},
year = {2022}
}