主动学习策略研究及其在图像分类中的应用

发布时间：2021-01-17 20:32

　　图像分类作为计算机视觉、模式识别和机器学习等多个领域的交叉方向,旨在从图像或图像序列中提取判别性的特征并进行归类,使得机器视觉具有一定的识别能力。随着大数据的出现和计算机运算能力的不断突破,深度学习在很多领域取得了显著的成绩,广泛应用于医疗图像处理、智能交通、电商平台、人脸识别等领域。然而,目前的深度学习方法高度依赖于大量的标注样本。但大多数实际应用场景仍严重缺乏标注样本,并且高质量的标签将会产生昂贵的标注成本。主动学习方法通过合适的策略,主动筛选或生成最能够提升当前模型性能的样本;目标模型基于专家标注的样本进行迭代式地训练,从而不断提升目标模型的性能。主动学习方法的核心目标是使用尽可能少的标注样本达到预期的模型性能,从而显著地减少标注成本。主动学习方法能够在一定程度上缓解深度学习对大量标注样本的依赖问题。因此,研究主动学习策略及其在图像分类中的应用是一项既富有挑战又具有实际意义的工作。本文的主要工作具体如下:首先,我们对主动学习方法和图像分类技术进行了广泛地调研并综述,主要内容包括:1)分别详细地总结了基于传统机器学习和基于深度学习方法的图像分类技术;2)总结了主动学习方法的基本框架... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

传统机器学习方法与深度学习方法的异同示意图

图２．２手工提取特征效果示意图

图２．３?ＫＮＮ和ＳＶＭ分类器示意图??

【参考文献】：
期刊论文
[1]A brief introduction to weakly supervised learning[J]. Zhi-Hua Zhou.  National Science Review. 2018(01)



本文编号：2983551