生成对抗数据编程
计算机视觉与模式识别
2020-05-04 v1
摘要
大规模精心标注的训练数据的匮乏构成了计算机视觉及其他领域机器学习模型部署的主要瓶颈。近期工作(数据编程)已表明，以标注函数形式给出的远程监督信号可用于在近常数时间内为给定数据获取标签。在本工作中，我们提出对抗数据编程(ADP)，其给出了一种对抗性方法，在给定一组弱标注函数的情况下生成数据以及经过筛选的聚合标签。更有趣的是，此类标注函数通常易于泛化，从而允许我们的框架扩展到不同设置，包括自监督标注图像生成、零样本文本到标注图像生成、迁移学习和多任务学习。
引用
@article{arxiv.2005.00364,
title = {Generative Adversarial Data Programming},
author = {Arghya Pal and Vineeth N Balasubramanian},
journal= {arXiv preprint arXiv:2005.00364},
year = {2020}
}
备注
arXiv admin note: text overlap with arXiv:1803.05137