예산에 따른 선택
원 연구는 적은 예산에서는 전형적인 예시가, 많은 예산에서는 비전형적인 예시가 유리할 수 있는 조건을 분석했다. 같은 선택 전략이 모든 예산에서 적합한 것은 아니라는 관점이다.
자기 지도 표현
레이블이 거의 없으면 지도 학습 모델의 표현이 불안정할 수 있다. TypiClust는 자기 지도 학습으로 의미 있는 특징 공간을 구성해 이 문제에 접근한다.
전형성과 다양성
가까운 이웃까지의 평균 거리의 역수로 전형성을 측정한다. 이미 표기된 예시가 없는 큰 군집에서 전형성이 높은 예시를 골라 대표성과 다양성을 함께 반영한다.
실험의 범위
여러 영상 자료와 신경망 구조의 낮은 예산 설정에서 비교했다. 준지도 학습과 결합한 경우도 평가했으며 결과는 해당 표현과 선택 조건을 전제로 한다.
관련 문서
ProbCover / Cluster-Margin / BADGE 능동 학습 / 코어셋 기반 능동 학습 / BAIT 능동 학습 / VAAL