基于深度强化学习的图像分类主动学习
计算机视觉与模式识别
2024-12-31 v1
摘要
深度学习正在不同任务中取得卓越的表现，包括图像分类，尤其是使用大型神经网络时。这些模型的成功归功于大量标记训练数据的可用性。在许多实际场景中，标记数据稀缺，其手工标注需要耗时、耗力和费用。主动学习是一种替�方案，通过迭代从大量未标记数据中选择少量数据进行标注（由专家，即所谓的oracle），并最终用于更新学习模型。然而，现有主动学习方法依赖于手工设计的策略，在高度可变的学习环境（数据集、场景等）中可能失败。本文提出一种基于马尔可夫决策过程（MDP）的自适应主动学习方法。我们的框架将深度强化学习和主动学习结合起来，并使用深度确定性策略梯度（DDPG），以动态调整样本选择策略以适应oracle的反馈和学习环境。在三个不同的图像分类基准数据集上进行的广泛实验表明，我们的方法在多个现有主动学习策略方面表现出优越性能。
引用
@article{arxiv.2412.19877,
title = {Image Classification with Deep Reinforcement Active Learning},
author = {Mingyuan Jiu and Xuguang Song and Hichem Sahbi and Shupan Li and Yan Chen and Wei Guo and Lihua Guo and Mingliang Xu},
journal= {arXiv preprint arXiv:2412.19877},
year = {2024}
}