激励机器学习系统的多媒体数据采集

为了解决数据收集方面的限制,提出了激励用于机器学习系统的多媒体数据获取的方法。 本文提出了一种有效的多媒体人群感知中的QoI(信息质量)感知激励机制,旨在促进初始训练模型的发展。 首先,以反向拍卖的形式构建激励模型,以在满足质量,及时性,相关性和覆盖率要求的同时最大化社会福利。 然后,我们讨论在存在NP难题的获胜者确定问题的情况下如何实现最佳的社会福利。 最后,设计了一种实用的激励机制来解决拍卖问题,该机制被证明是真实,个体合理和计算效率高的。 大量的仿真结果表明,所提出的激励机制显着地产生了接近最佳的社会福利,并获得了高QoI数据集。 特别是,以较低的复杂度实现了机器学习模型增长的显着性能改进。