查询策略基准测试：迈向未来的深度主动学习
计算机视觉与模式识别
2023-12-12 v1
摘要
在本研究中，我们对深度主动学习 (DAL) 的查询策略进行了基准测试。DAL 通过仅标注由查询策略选择的高质量样本来降低标注成本。现有研究存在两个主要问题：一是实验设置未标准化，导致对现有方法的评估困难；二是大多数实验是在 CIFAR 或 MNIST 数据集上进行的。因此，我们为 DAL 开发了标准化的实验设置，并使用包含医学和视觉检测图像在内的六个数据集研究了各种查询策略的有效性。此外，由于当前大多数 DAL 方法是基于模型的，我们使用完全训练的模型进行查询验证实验，以研究这些方法在六个数据集上的有效性。我们的代码可在 \href{https://github.com/ia-gu/Benchmarking-of-Query-Strategies-Towards-Future-Deep-Active-Learning} 获取。
引用
@article{arxiv.2312.05751,
title = {Benchmarking of Query Strategies: Towards Future Deep Active Learning},
author = {Shiryu Ueno and Yusei Yamada and Shunsuke Nakatsuka and Kunihito Kato},
journal= {arXiv preprint arXiv:2312.05751},
year = {2023}
}
备注
14 pages