以预测稳定性作为主动学习准则
计算机视觉与模式识别
2019-10-29 v1
摘要
深度学习近期的突破严重依赖大量标注样本。为克服此缺陷，主动学习是一种可能的解决方案。除先前仅利用训练后信息的主动学习算法外，我们提出一类基于训练过程中信息的新方法，称为基于序列的方法。提出一种称为预测稳定性的主动学习具体准则，以证明基于序列方法的可行性。在 CIFAR-10 和 CIFAR-100 上进行了实验，结果表明预测稳定性有效且在少标注数据集上表现良好。预测稳定性在 CIFAR-10 上达到了熵等传统采集函数的准确率，并在 CIFAR-100 上显著优于它们。
引用
@article{arxiv.1910.12246,
title = {Prediction stability as a criterion in active learning},
author = {Junyu Liu and Xiang Li and Jin Wang and Jiqiang Zhou and Jianxiong Shen},
journal= {arXiv preprint arXiv:1910.12246},
year = {2019}
}