#4
summarized by : Anonymous
Active Learning for Open-Set Annotation

どんな論文か?

能動学習のラベルなしデータは既知クラスのみが仮定されるが、現実的には未知クラスも混在する場合がある。そこで、本研究では、ラベルなしデータから既知クラスデータのみを取り出してアノテータにラベルを問い合わせるタスクに取り組む。
placeholder

新規性

既知クラスと未知クラスが混在する能動学習を定式化した点。および、この問題の解法として、GMMでモデル化することにより既知クラスらしさを推定し、ラベルなしデータから既知クラスらしいデータを取り出す方法を提案した点。

結果

CIFAR10, CIFAR100, TinyImageNetのクラスを分割することでOpen-set条件を再現し、能動学習の実験を行った。その結果、既存の能動学習手法よりも正確に既知クラスだけを取り出すことができた。また、比較した能動学習手法の中では計算量が最も小さい手法だった。

その他(なぜ通ったか?等)