【荐读IEEE TPAMI】贝叶斯估计均值合适分数用于增强多样性主动学习

文章预览

点击上方 “ 小白学视觉 ”，选择加"星标"或“置顶” 重磅干货，第一时间送达 题目：Bayesian Estimate of Mean Proper Scores for Diversity-Enhanced Active Learning 贝叶斯估计均值合适分数用于增强多样性主动学习 作者：Wei Tan；Lan Du；Wray Buntine 摘要 主动学习的有效性在很大程度上取决于获取函数的采样效率。预期损失减少 (ELR) 关注于分类误差减少的贝叶斯估计，并且更广泛的成本也适用于相同的框架。我们提出了贝叶斯估计均值合适分数 (BEMPS)，以估计在此框架内严格合适分数（例如对数概率或负均方误差）的增加。我们还证明了这类一般成本的收敛结果。为了更好地实验新的获取函数，我们开发了一种补充的批量主动学习 (AL) 算法，鼓励未标记数据得分变化向量的多样性。为了允许高性能分类器，我们结合了深度集成和预训练模型上的动态验证集构建，并通 ………………………………