SALF主動學(xué)習(xí)算法模型框架

SALF（Simple Active Learning Framework）是一個用于數(shù)據(jù)的主動學(xué)習(xí)采樣標(biāo)注的算法模型框架，致力于為主動學(xué)習(xí)領(lǐng)域提供一個更優(yōu)的基礎(chǔ)框架和采樣評價模式。

該框架實(shí)現(xiàn)了多種深度學(xué)習(xí)任務(wù)下的主動學(xué)習(xí)接口，包括圖像分類（image classification）、語義分割（semantic segmentation）、圖像描述（image captioning）等。

為了方便相關(guān)研究進(jìn)行性能實(shí)驗(yàn)和性能對比，該框架將部分常用的主動學(xué)習(xí)算法遷移實(shí)現(xiàn)到了該框架。此外，為了方便進(jìn)行性能展示和采樣結(jié)果分析，該框架實(shí)現(xiàn)了一個多算法性能可視化模塊和一個基于T-SNE的采樣結(jié)果可視化模塊。

數(shù)據(jù)應(yīng)用

目前，SALF實(shí)現(xiàn)了在圖像分類（image classification）、圖像描述（image captioning）、視覺問答（semantic segmentation）下的主動學(xué)習(xí)采樣的基礎(chǔ)框架和接口，并實(shí)現(xiàn)了部分常用主動學(xué)習(xí)算法。

性能展示

為了方便進(jìn)行性能展示，該框架可以可視化多種主動學(xué)習(xí)算法在各個采樣比例下的性能，進(jìn)行性能對比的展示。

采樣可視化

基于T-SNE的采樣結(jié)果可視化模塊，方便對采樣結(jié)果的數(shù)據(jù)分布進(jìn)行進(jìn)一步研究分析。