Jingyang.Zhang的博客

本博客系原创作品，转载请注明出处： 　　小白在路上的随手笔记（4），文献出处 IJCV 2014 “ Multi-Class Active Learning by Uncertainty Sampling with Diversity Maximization“。文章内容仅仅是个人理解，欢迎高手拍砖~Introduction 和 主要创新点　　传统的Ａctive Learning 算法存在下面两个

本文系原创博文，转载请注明出处 　　作为Active Learning的入门小菜鸟，最近学习了Bin Sun在TGRS上的一篇文章”Random-Walker-Based Collaborative Learning for Hyperspectral Image Classification”。随手记录，便于大家交流学习和之后备忘查阅。高手绕道~

本文接着上篇博客的思路往下走，继续研究SSL和AL的结合使用。本次解读的文章为“Semi-supervised Self_Learning for Hperspectral Image Classification”。传统监督学习的问题　　数据维度很高＋labeled数据量很少，因此会造成分类器的过拟合。但是与此同时，unlabeled 样本的数量很多。因此

本博客系原创作品，转载请注明出处： 文章来源：Practice makes perfect: An adaptive active learning framework for image classification 博客所述纯属个人小白理解，也欢迎大神拍砖指正~算法背景　　uncertainty sampling 方法是active learning 算法中非常常用的算法，其简单高效，对于分

算法综述首先对数据进行 unsupervised 分类，进行 Hierarchical Clustering 操作，得到分层聚类结构。给定一些标记好样本，可以在上一步得到的分层聚类结构的基础上得到 classification map 和 confidence map（评价聚类被赋予给定类别的置信度）。采用AL算法选择最有信息量的样本，来增加分类的置信度。算法背景　　如何利用分层聚类方法进行

本博客系原创作品，转载请注明出处： 主动学习小白博主又来和大家分享心得啦~ 拜读了号称是 multi-criteria 开山鼻祖的文章 multi-criteria-based active learning for named entity recognition。文章相隔年代久远，之前研究的一些文献经常用来做引用，对后来者用于 multi-criteria 具有相当的借鉴作用。下面所述只代表小

文章来源：Mosinska A, Tarnawski J, Fua P. Active learning and proofreading for delineation of curvilinear structures[C]//International Conference on Medical Image Computing and Computer-Assisted Interventi...

文章来源： Mosinska A, Sznitman R, Głowacki P, et al. Active learning for delineation of curvilinear structures[J]. arXiv preprint arXiv:1512.00747, 2015. PS: 同年的ICCV会议文章简介相比于传统的主动学习算法，本文特别针对于管状结构的标注...