Generative Adversarial Active Learning

GAAL：生成对抗主动学习.

• paper：Generative Adversarial Active Learning

本文提出了使用GAN实现主动学习的方法，旨在通过生成对抗的方式生成新的训练样本，而不是依赖于从未标记样本池中选择样本进行标记。

给定未标记样本池和标注预算，主动学习算法旨在选择一部分样本进行标注，如图a所示；而生成对抗主动学习(Generative Adversarial Active Learning, GAAL)生成新的样本，并由标注者提供标签用于训练模型。

GAAL的做法是首先人工标注少量随机选择的样本，通过训练DCGAN使得判别器能够区分原样本和生成样本，再选择判别器无法确定的生成样本进行人工标注后加入训练集。这些不确定的生成样本通常位于决策边界附近，且具有比未标记池中更多的可用样本。

GAAL的完整流程如下：

实验部分是用SVM做分类器，DCGAN做判别器和生成器在MNIST，USPS和CIFAR上做二分类实验。