面向基于内容图像检索的信息论主动学习
计算机视觉与模式识别
2019-07-24 v2 信息检索
机器学习
机器学习
摘要
我们提出信息论主动学习（ITAL），一种用于二分类的新型批模式主动学习方法，并将其应用于基于内容的图像检索中获取有意义的用户反馈。与组合不确定性、多样性或密度等不同启发式方法不同，我们的方法基于最大化所选批次图像的预测相关性与预期用户反馈之间的互信息。我们对这一计算繁重的问题提出了合适的近似，并集成了一个显式的用户行为模型，该模型考虑了可能的错误标签与不可命名实例。此外，我们的方法不仅考虑数据结构，还考虑由用户反馈引起的预期模型输出变化。与其他方法相比，ITAL表现出高度灵活性，并在MIRFLICKR和ImageNet等多种数据集上提供了最先进的性能。
引用
@article{arxiv.1809.02337,
title = {Information-Theoretic Active Learning for Content-Based Image Retrieval},
author = {Björn Barz and Christoph Käding and Joachim Denzler},
journal= {arXiv preprint arXiv:1809.02337},
year = {2019}
}
备注
GCPR 2018 paper (14 pages text + 2 pages references + 6 pages appendix)