【CVPR2020-国科大】状态标签对抗主动学习，Adversarial Active Learning

主动学习是通过对最有代表性的样本进行抽样，设计标签有效的算法。在本文中，我们提出了一种状态重新标记对抗主动学习模型(SRAAL)，该模型利用标注和标记/未标记的状态信息来获得信息量最大的未标记样本。SRAAL由一个表示生成器和一个状态鉴别器组成。该生成器利用补充标注信息与传统重建信息生成样本的统一表示，将语义嵌入到整个数据表示中。然后，我们在鉴别器中设计了一个在线不确定度指标，使未标记样本具有不同的重要性。因此，我们可以根据鉴别器的预测状态来选择信息最丰富的样本。我们还设计了一个算法来初始化标记池，这使得后续的采样更加有效。在各种数据集上进行的实验表明，我们的模型优于现有的主动学习方法，并且我们的初始采样算法具有更好的性能。