摘要
随着图像数据的快速增长，产生了大规模的数据集，这引发了对模型训练时间和内存成本的关注。然而，选择具有代表性的训练子集仍然具有挑战性：个别样本的贡献不明确，模型行为在不同数据集和运行中变化。
我们提出了一个结合核心集选择与多个运行的集成聚合的框架，以解决这些挑战。对于核心集选择，我们提出了 SCOre-Stratified Selection (SCOSS)，它基于所选分数将训练数据划分为区间，并从每个区间进行抽样。该集成方法结合了多个运行的预测，每个运行在独立抽样的训练子集上进行。
作为基线，我们使用了中等选择和随机选择，各自具有原始和类平衡版本。我们在不同抽样比例下评估了该框架，使用了简单图卷积 (SGC) 和支持向量机 (SVM) 分类器。实验表明，SCOSS 在与基线比较时表现竞争力，通常是 SGC 的最佳选择，并在准确性与效率之间实现了有利的权衡。在细粒度数据集上，使用更少标记样本时，SGC 与 SCOSS 的组合优于 SVM。
代码和补充材料可以在 SCOSS 公开资源 获取。
博主点评： 该研究展示了通过核心集选择与集成学习相结合的有效性，特别是在处理大规模图像数据时。SCOSS 方法在提高模型效率的同时保持了良好的分类性能，为未来的研究提供了新的思路和方法。尤其在样本有限的情况下，SGC 的表现令人瞩目，值得关注。