基于解耦的主动学习
机器学习
2021-09-28 v2 机器学习
摘要
我们提出基于解耦的主动学习(DAL),一种基于自监督并利用解耦概念的新型主动学习技术。我们的方法不向人类标注者请求标签,而是自动标注大多数数据点,从而在基于生成对抗网络(GAN)的主动学习方法中大幅减少人类标注预算。所提方法使用信息最大化生成对抗网络(InfoGAN)学习解耦的类别表示。主动学习器预测与 InfoGAN 标签之间的不一致决定数据点是否需要人工标注。我们还引入一种标签修正机制,旨在过滤因自动标注而产生的标签噪声。在三个图像分类任务的基准数据集上的结果表明,与现有基于 GAN 的主动学习方法相比,我们的方法取得了更好的性能。
引用
@article{arxiv.1912.07018,
title = {Disentanglement based Active Learning},
author = {Silpa Vadakkeeveetil Sreelatha and Adarsh Kappiyath and Sumitra S},
journal= {arXiv preprint arXiv:1912.07018},
year = {2021}
}
备注
Published in International Joint Conference on Neural Networks (IJCNN), 2021