DeepCore：深度学习核心集选择综合库
机器学习
2022-06-30 v3 计算机视觉与模式识别
摘要
核心集选择旨在选取最具信息量的训练样本子集，是一个长期存在的学习问题，可惠及诸多下游任务，如数据高效学习、持续学习、神经架构搜索、主动学习等。然而，许多现有核心集选择方法并非为深度学习设计，可能具有较高复杂度与较差的泛化性能。此外，近期提出的方法在不同复杂度的模型、数据集与设置上被评估。为推动深度学习中核心集选择的研究，我们贡献了一个综合代码库 DeepCore，并基于 CIFAR10 与 ImageNet 数据集对流行的核心集选择方法进行了实证研究。在 CIFAR10 与 ImageNet 数据集上的大量实验验证，尽管各类方法在特定实验设置下具有优势，随机选取仍是一个强基线。
引用
@article{arxiv.2204.08499,
title = {DeepCore: A Comprehensive Library for Coreset Selection in Deep Learning},
author = {Chengcheng Guo and Bo Zhao and Yanbing Bai},
journal= {arXiv preprint arXiv:2204.08499},
year = {2022}
}
备注
DEXA 2022