.png){kind=icon}
返回
SPOT: An Active Learning Algorithm for Efficient Deep Neural Network Training
.png){kind=icon}
PRE
AI
DOI：10.26599/BDMA.2025.9020011.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期深度神经网络领域的重大进展高度依赖于大规模标注数据集。然而，由于标注限制，获取大规模数据集的标注信息可能面临挑战。主动学习为此问题提供了一种有前景的解决方案，即通过选择性地标注未标记数据集中一小部分经过战略挑选的子集。但当前主动学习方法在处理分布不均的数据时存在困难，导致所选子集无法代表整个数据集。为克服这一挑战，我们提出了一种新颖的主动学习算法，该算法将空间填充（SP）设计与最优传输（OT）技术相结合（SPOT）。SPOT技术利用最优传输，通过将数据映射到均匀分布的超立方体中，有效管理来自复杂流形的数据。此外，空间填充设计能够确保更优的渐近收敛率，使得所选子集比其他采样方法（如随机采样）更有效地涵盖整个数据集。我们在多种图像数据集和模型上的广泛实验表明，SPOT算法优于现有的基线方法。
Keyword:
Active Learning (AL)
Optimal Transport (OT)
SPace-filling (SP)
sampling
deep learning
Active Learning (AL)
Optimal Transport (OT)
SPace-filling (SP)
sampling
deep learning
期刊
IF:
6.2
论文数:
274
被引数:
1.0K
机构
引用论文
.png){kind=icon}
分享收藏
分享收藏
分享收藏
查看更多内容