Cost-Effective Active Learning forDeep Image Classification阅读笔记

最新推荐文章于 2022-01-03 01:50:30 发布
最新推荐文章于 2022-01-03 01:50:30 发布
阅读量1.7k 收藏
点赞数
分类专栏： 鼠太郎的文献阅读 文章标签： 深度学习 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42131051/article/details/121585163
版权

2016年的文章，总的来说其实亮点不多，但是有一个主动学习和无监督结合的一个方法挺引人注意的，放到现在可能有些过时。

简单放一下ppt，文献过于简单，不需要太多的笔记

 

这里强调的一个创新点是不光把置信度低的样本用上，连着置信度高的也用上了

 

 

 

简单的交叉熵实现已标记样本的对cnn的一个训练

 

低置信度，有点简单粗暴了

 

j1j2是最有可能的两种所属分类，如果比较相近，msi对应就比较低，那么就认定是这个样本处于两个类的边界上

 

取一个所有类的期望

 

 

 

小鼠太郎
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习 自动标记 图片_通过自动标记不确定性估计和主动学习来提高数据标记效率...
weixin_26750481的博客
09-28 1532
深度学习 自动标记 图片 机器学习 (Machine Learning) In this post, we will be diving into the machine learning theory and techniques that were developed to evaluate our auto-labeling AI at Superb AI. More specificall...
Multi-label Active Learning for Image Classification
02-08
Multi-label Active Learning for Image Classification
[论文阅读] Cost-Effective Active Learning for Deep Image Classification
xiongxyowo的博客
11-25 1046
2021.11.24 施工中 论文地址：https://arxiv.org/abs/1701.03551 发表于：TCSVT’16 Abstract 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记训练实例，以增量学习的方式，建立一个具有竞争力的具有最佳特征表示的分类器。我们的方法在两个方面推进了现有的主动学习方法。首先，我们将深度卷积神经网络纳入主动学习中。通过合理设计的框架，特征表示和分类器
【阅读】 Cost-Effective Active Learning for Deep Image Classification
w.here的CSDN
01-03 1083
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
【主动学习 02】Cost-Effective Active Learning from Diverse Labelers (IJCAI‘17)
chadlee
08-26 218
Cost-Effective Active Learning from Diverse Labelers(IJCAI’17) 这篇文章指出在主动学习过程中标注数据时要考虑“Oracle are cost-sensitive”，有高质量、高成本的专家和低质量、低成本的专家可以选择来标注。这篇文章是的假设是：有多个专家，擅长的领域知识不同、质量也不同。 假设现在又一个小的有标签数据集L={(xi,yi)}i=1nlL=\left\{\left(\mathrm{x}_{i}, y_{i}\right)\rig
论文学习Multi-Criteria Active Deep Learning for Image Classification - KBS-2019
DeniuHe的博客
04-30 207
创新点1：Informativeness Measure Under labeled Samples （1）作者通过密度度量无标记样本的富信息性： 我咋看不出这个指标跟密度有关呢？但我能看出来这个指标跟diversity有关。是diversity的反方向，因为加了一个符号。 也就是说这个指标越大，新选的样本与已标记样本挨得越近。 （2）作者给出了相似性指标来表征富信息性： 按照常理，新样本应该与已标记样本越不相似约好。但文章给出的公式是： 1减去到最远已标记样本的距离。这是如何做到关..
Large-Scale-Multi-Class-Image-Based-Cell-Classification-with-Deep-Learning:具有深度学习的大规模多类基于图像的细胞分类
08-04
具有深度学习的大规模多类基于图像的细胞分类 ... git clone https://github.com/monaen/Large-Scale-Multi-Class-Image-Based-Cell-Classification-with-Deep-Learning .git --branch code --single-branch cd Meng20
Semi-Supervised-Learning-Image-Classification:该库包含使用TensorFlow 2.x和Python 3.x实现的计算机视觉任务的半监督学习算法
03-10
该代码当然应该易于阅读，并适用于尽可能多的自定义应用程序。 此外，它提供了易于使用的API，从而实现了半监督学习10班轮。 第二个当然是个人学习的目标，即了解和实施最新的技术和较旧的半监督学习算法。 因此，...
Active Transfer Learning Network: A Unified Deep Joint Spectral-Spatial Feature Learning Model for Hyperspectral Image Classification
02-07
To address this problem, this paper proposes a unified deep network, combined with active transfer learning (TL) that can be well-trained for HSIs classification using only minimally labeled training...
deep-learning-for-image-processing:用于图像处理的深度学习，包括分类和对象检测等
03-06
深度学习在图像处理中的应用教程前言本教程是对本人研究生期间的研究内容进行整理总结，总结的同时也希望能够帮助更多的小伙伴。本教程会以视频的方式进行分享，教学流程如下： 1）介绍网络的结构与创新点2）使用...
Deep learning for image classification
qq_33786177的博客
09-26 1469
转自github，感谢作者mrgloom的整理 链接：https://github.com/mrgloom/awesome-semantic-segmentation   Awesome Semantic Segmentation Networks by architecture Semantic segmentation U-Net [https://arxiv.org/pdf/15...
【Active Learning - 03】Adaptive Active Learning for Image Classification
Houchaoqun_XMU的博客
04-26 3550
【2013-CVPR】Adaptive Active Learning for Image Classification 阅读时间： 20181023：摘要 20181024：Related Work 20181025：Uncertainty Measure、Information Density Measure、A Combination Framework 20181026：...
Adaptive Active Learning for Image Classification 论文详解
GrinAndBearIt的博客
07-19 510
如果需要看主动学习简介可以看上一篇博文：https://blog.csdn.net/GrinAndBearIt/article/details/107447026 在计算机视觉领域，主动学习都是通过Uncertainty作为筛选样本的策略。如果未标注样本空间比较大，那么会存在挑选离群点的情况。论文中提出了information density和most uncertainty两种策略进行组合。然后筛选出critical instances给专家进行标注。 针对仅通过不确定性容易筛...
【Active Learning - 01】 2013_CVPR_Adaptive Active Learning for Image Classification 论文笔记
Lucifer_zzq的博客
10-22 713
主动学习阅读资料： 【Active Learning - 00】 主动学习概念/重要论文目录/重要代码&资源 【Active Learning - 01】 2013_CVPR_Adaptive Active Learning for Image Classification 论文笔记 --------------------------------------------------...
四两拨千斤！深度主动学习综述2020
我爱计算机视觉
09-16 2833
本文转载自知乎，为最近新出的论文 A Survey of Deep Active Learning 中文版介绍，原文作者调研了189 篇文献综述了深度主动学习的进展。文章较长，建议先收藏...
《Cost-Effective Active Learning for Hierarchical Multi-Label Classification》--阅读笔记-IJCAI
JungleKing的专栏
11-03 1040
Authors Yi-Fan Yan , Sheng-Jun Huang Motivation 多标签学习（multi-label learning，MLL）是一种实用而有效的学习框架，适用于语义复杂的对象，每个实例可以同时与多个类标签相关联。但当输出空间远远大于单标签学到的信息时，通常需要一个大的标签数据集来训练一个有效的MLL模型。此外，当有大量候选标签时，多标签对象的注释成本可能非常高...
Classification / Recognition
weixin_34008805的博客
10-16 792
转载 https://handong1587.github.io/deep_learning/2015/10/09/recognition.html#facenet Classification / Recognition Published: 09 Oct 2015 Category: deep_learning Jump to... Papers Multi-object Recogni...
【Active Learning - 00】 主动学习概念/重要论文目录/重要代码&资源
Lucifer_zzq的博客
10-21 1445
写在前面： 本人于2019.09入坑Active Learning，理解还不够深刻。这个系列博客主要是把related works中重要的核心思路，以及自己遇到的问题做的一个梳理，另外完善一下literature review，会不断更新。做这个方向的人不多，自己也在摸索，希望大佬多多指导，如果有相同方向的小伙伴也欢迎交流一波~ Email Address：465938578@qq.com ...
object-detection
Elag的专栏
05-14 1510
awesome-object-detection Awesome Object Detection based on handong1587 github（https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html，https://github.com/amusi/awesome-object-dete...
deep cross-domain few-shot learning for hyperspectral image classification
最新发布
12-21
深度跨领域少样本学习是一种用于高光谱图像分类的先进技术。在这种方法中，深度学习模型被设计用来从具有不同属性和特征的多个领域中学习少量样本。这样的方法可以显著提高模型对于新领域数据的泛化能力，从而有效地...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值