SRAAL基于狀態(tài)重標(biāo)注的對(duì)抗式主動(dòng)學(xué)習(xí)數(shù)據(jù)標(biāo)注采樣模型

SRAAL是基于狀態(tài)重標(biāo)注的對(duì)抗式主動(dòng)學(xué)習(xí)算法的開源代碼。

算法描述

在數(shù)據(jù)標(biāo)注預(yù)算有限的情況下的主動(dòng)學(xué)習(xí)，利用生成式模型VAE對(duì)數(shù)據(jù)進(jìn)行基于變分過程的無(wú)監(jiān)督特征重建學(xué)習(xí)，并使用狀態(tài)重標(biāo)注方法對(duì)未標(biāo)注樣本標(biāo)定不確定性分?jǐn)?shù)，從而使用判別器利用對(duì)抗機(jī)制，評(píng)估未標(biāo)注樣本的采樣價(jià)值，從而選取更具指導(dǎo)意義的樣本進(jìn)行標(biāo)注，顯著提升主動(dòng)學(xué)習(xí)的采樣質(zhì)量和目標(biāo)性能。

該代碼實(shí)現(xiàn)了在常見數(shù)據(jù)集CIFAR-10，CIFAR-100和大規(guī)模數(shù)據(jù)集ImageNet的主動(dòng)學(xué)習(xí)采樣配置，同時(shí)預(yù)留了接口方便使用自己的數(shù)據(jù)集進(jìn)行進(jìn)一步改進(jìn)，方便在各種數(shù)據(jù)應(yīng)用上使用此算法進(jìn)行高質(zhì)量的標(biāo)注采樣。