基于主动学习的图像分类技术：现状与未来

主要观点总结

本文详细综述了近年来提出的主动学习图像分类算法，并根据所用样本数据处理及模型优化方案，将现有算法分为基于数据增强的算法、基于数据分布信息的算法和优化模型预测的算法。基于数据增强的算法通过图像增广和特征插值选择样本；基于数据分布信息的算法根据数据分布特点优化样本选择策略；优化模型预测的算法则优化模型预测信息，包括基于生成对抗网络和强化学习来优化预测模型的结构。此外，本文还探讨了现有算法面临的挑战和未来研究方向。

关键观点总结

关键观点1: 基于数据增强的算法

通过图像增广和特征插值选择信息量丰富的样本。

关键观点2: 基于数据分布信息的算法

根据数据分布特点优化样本选择策略，适用于不同数据集和分布。

关键观点3: 优化模型预测的算法

优化模型预测信息，包括基于生成对抗网络和强化学习来优化预测模型的结构，提升模型预测性能。

关键观点4: 面临的挑战

包括模型的任务无关性、样本选择策略的融合问题和模型训练模式的问题。

关键观点5: 未来研究方向

包括结合自注意力机制和元学习方法提高模型的任务无关性，强化样本间的关系来融合不同样本选择策略，以及采用增量训练模式优化模型训练。