![](https://img-blog.csdnimg.cn/20201014180756923.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
主动学习
文章平均质量分 82
w-here
不念过去,珍惜当下
展开
-
【阅读】Contrastive Coding for Active Learning Under Class Distribution Mismatch
Du P, Zhao S, Chen H, et al. Contrastive coding for active learning under class distribution mismatch[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021: 8927-8936.搬运工:https://zhuanlan.zhihu.com/p/411704686https://zhuanla转载 2022-05-10 15:54:06 · 174 阅读 · 0 评论 -
【阅读】Metabox+: A new region based active learning method for semantic segmentation using priority map
Colling P, Roese-Koerner L, Gottschalk H, et al. Metabox+: A new region based active learning method for semantic segmentation using priority maps[J]. arXiv preprint arXiv:2010.01884, 2020.摘要:针对语义分割问题提出了一个基于区域的主动学习的方法,称为MataBox+。本文通过训练了一个元回归模型(meta reg原创 2022-02-25 10:52:59 · 2721 阅读 · 1 评论 -
【阅读】Generative Adversarial Active Learning
以下文章写得不错,可以借鉴学习,侵删。对抗生成式主动学习 Generative Adversarial Active Learning_pkueecscss的博客-CSDN博客_对抗主动学习Generative Adversarial Active LearningPaper Reading NoteURL: https://arxiv.org/pdf/1702.07956v5.pdfTL;DR第一篇用以GAN为代表的生成式方法来做Active Learning的文章,比较有开创性,,利用已标注数据,用原创 2022-01-03 01:52:25 · 1085 阅读 · 0 评论 -
【阅读】 Cost-Effective Active Learning for Deep Image Classification
有篇文章不错,可以借鉴,侵删。[论文阅读] Cost-Effective Active Learning for Deep Image Classification_xiongxyowo的博客-CSDN博客2021.11.24 施工中论文地址:https://arxiv.org/abs/1701.03551发表于:TCSVT’16Abstract最近在基于学习的图像分类方面取得的成功,在很大程度上依赖于大量的标注训练样本,这可能需要大量的人力。在本文中,我们提出了一个新的主动学习框架,它能够通过有限的标原创 2022-01-03 01:50:30 · 1089 阅读 · 0 评论 -
【阅读】Variational Adversarial Active Learning
摘要:通常情况下,由于标记成本高,限制了深度学习技术的应用领域,标记大量数据具有挑战性。主动学习(AL)通过在未标记池中查询需要注释的信息量最大的样本来解决这个问题。近年来研究的人工智能有两个很有前途的方向,一是选择远离当前标记池的数据点的任务不可知方法,二是依赖任务模型视角的任务感知方法。不幸的是,前者没有利用来自任务的结构,而后者似乎没有很好地利用整个数据分布。在这里,我们提出了任务感知变分对抗AL (TA-VAAL),它修改了任务不可知的VAAL,考虑了标签池和未标签池的数据分布,将任务学习损失预原创 2022-01-03 01:47:26 · 1434 阅读 · 0 评论 -
【阅读】Semi-supervised active learning with temporal output discrepancy
Huang S, Wang T, Xiong H, et al. Semi-supervised active learning with temporal output discrepancy[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021: 3447-3456.总览本文提出了一种简单而有效的损失测度TOD。本文提出了一种新的深度主动学习框架,将TOD与主动学习策略和半监督学习方案相原创 2021-12-18 22:32:19 · 264 阅读 · 0 评论 -
【阅读】 Pre-Training Acquisition Functions by Deep Reinforcement Learning for Fixed Budget Active Learn
Taguchi Y, Hino H, Kameyama K. Pre-Training Acquisition Functions by Deep Reinforcement Learning for Fixed Budget Active Learning[J]. Neural Processing Letters, 2021: 1-18.摘要本文针对基于池的主动学习问题,提出了一种新的主动学习算法。该方法利用预先训练好的采集函数进行主动学习,当可采集的数据数量固定时,可以获得最大的性能。该方法使原创 2021-12-13 10:48:11 · 856 阅读 · 0 评论 -
【阅读】Reinforced active learning for image segmentation
Casanova A, Pinheiro P O, Rostamzadeh N, et al. Reinforced active learning for image segmentation[J]. arXiv preprint arXiv:2002.06583, 2020.与以往的需要人工制定的启发式的采样策略不同,这个文章提出了采用强化学习(DQN)的方法进行主动学习策略的选择,通过迭代来优化自身采样策略。这里样本的选择是基于矩形区域,而不是整个图像。提出的端到端的方法,通过最大化每个类原创 2021-12-08 15:59:53 · 3154 阅读 · 0 评论 -
【论文阅读】CEREALS – Cost-Effective REgion-basedActive Learning for Semantic Segmentation
版权声明:本文为CSDN博主「xiongxyowo」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/qq_40714949/article/details/120496369转载 2021-11-15 21:48:00 · 175 阅读 · 0 评论 -
阅读Revisiting Superpixels for Active Learning in Semantic Segmentation With Realistic Annotation Cost
Cai L, Xu X, Liew J H, et al. Revisiting Superpixels for Active Learning in Semantic Segmentation With Realistic Annotation Costs[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021: 10988-10997.原创 2021-11-14 22:52:43 · 3778 阅读 · 0 评论 -
【论文阅读】Importance of Self-Consistency in Active Learning for Semantic Segmentation
Golestaneh S A, Kitani K M. Importance of Self-Consistency in Active Learning for Semantic Segmentation[J]. arXiv preprint arXiv:2008.01860, 2020.摘要自一致性可以成为用自监督来提高数据驱动模型性能的重要途径。自一致性是假设一张特定图像经过简单的图像变换(比如水平旋转)后的语义分割结果应该是一致的。换句话说就是模型的输出应该与图像的变换无关。自一致性的自我监原创 2021-11-08 14:22:53 · 2524 阅读 · 0 评论 -
【论文阅读】ViewAL:Active Learning With Viewpoint Entropy for Semantic Segmentation
Siddiqui Y, Valentin J, Nießner M. Viewal: Active learning with viewpoint entropy for semantic segmentation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020: 9433-9443.摘要本文提出了ViewAl,一种新型的针对语义分割的主动学习策略,它探索了在不同视原创 2021-09-06 20:59:34 · 594 阅读 · 0 评论 -
【论文阅读】Active Learning for Deep Object Detection via Probabilistic Modeling
Choi J, Elezi I, Lee H J, et al. Active Learning for Deep Object Detection via Probabilistic Modeling[J]. arXiv preprint arXiv:2103.16130, 2021.摘要本文的方法依赖于混合密度网络,这个网络能够估计每个定位和分类头输出的概率分布。本文通过单模型的前向传播来估计偶然不确定性和认知不确定性。本文的方法通过一个评分函数来总结这两种类型的不确定性设为两个部分来获取每张图原创 2021-08-14 11:57:42 · 1465 阅读 · 0 评论 -
【论文阅读】a survey of deep active learning
概念:是从未标记的数据集中选择最有用的样本,并将其交给oracle(如专家)进行标注,从而在保持性能的同时尽可能降低标注成本。试图通过标记最少量的样本使得模型的性能收益最大化。注意:主动学习无法提取特征,无法处理高维数据,要靠深度学习模型。DL: 通过使用手工或者自动的方法千方百计的设计具有高性能特征提取能力的模型。AL: 通过设计精妙的查询规则从未标记的数据集中选择最佳的样本,试图尽可能的降低标注代价,查询规则的设计对主动学习的性能是至关重要的。DAL面临的挑战:AL关于查原创 2021-07-31 17:03:38 · 896 阅读 · 0 评论 -
【论文阅读】Learning Loss for Active Learning
Yoo D, Kweon I S. Learning loss for active learning[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019: 93-102.摘要本文提出了一种简单但是与任务无关新型主动学习方法,并且能有效的应用到深度网络。本文在目标网络中附加了一个损失预测模块,并且通过学习来预测未标记输入的目标损失,然后损失预测模块能够找出目标模块最原创 2021-07-29 13:49:12 · 512 阅读 · 0 评论