跳到正文
arXiv · 机器人与计算机视觉· Vipul Arya, S. H. Shabbeer Basha, Srikrishna U N, Sunainha Vijay, Snehasis Mukherjee·· 14 小时前AI 评分35

平衡样本不确定性与多样性:利用低置信度与高置信度样本的多样性提升主动学习有效性

Balancing Uncertainty and Diversity of Samples: Leveraging Diversity of Least, High Confidence Samples for Effective Active Learning

AI 导读

针对深度学习模型数据饥渴问题,研究提出四种混合采样方法以同时选取易学与难学且具多样性的样本。实验表明,结合低置信度与高置信度样本的 LCD 方法在计算机视觉任务中 consistently 优于现有最先进方法。相关代码将在指定 URL 开放,该研究目前处于审稿状态。

来源:arXiv · 机器人与计算机视觉 · arxiv.org