MoBYv2AL：用于图像分类的自监督主动学习
计算机视觉与模式识别
2023-01-05 v1
摘要
主动学习（AL）近期在深度学习（DL）模型中颇受欢迎。这是由于高效且信息丰富的采样，尤其在学习者需要大规模标注数据集时。通常，采样与训练分阶段进行，同时加入更多批次。该策略的一个主要瓶颈是模型学到的表征狭窄，影响了整体的 AL 选择。我们提出 MoBYv2AL，一种用于图像分类的新型自监督主动学习框架。我们的贡献在于将最成功的自监督学习算法之一 MoBY 提升到 AL 流程中。因此，我们加入了下游任务感知目标函数，并与对比损失联合优化。进一步，我们从标注新样本推导出数据分布选择函数。最后，我们测试并研究了我们的流程在图像分类任务上的鲁棒性与性能。与近期 AL 方法相比，我们成功取得了最先进的（SOTA）结果。代码见：https://github.com/razvancaramalau/MoBYv2AL
引用
@article{arxiv.2301.01531,
title = {MoBYv2AL: Self-supervised Active Learning for Image Classification},
author = {Razvan Caramalau and Binod Bhattarai and Danail Stoyanov and Tae-Kyun Kim},
journal= {arXiv preprint arXiv:2301.01531},
year = {2023}
}
备注
Poster accepted at BMVC 2022