本栏主要记录个人平常阅读的论文,具体细节不展开。
Paper1
Class-Balanced Loss Based on Effective Number of Samples
摘要:设计了一个类平衡损失,用于解决长尾数据分布问题(即少数类占了大部分数据,而大多数类的代表性不足)。实现比较简单,只需要在现有的分类损失基础上,在每一个类别上乘上一个权重。
C
B
L
o
s
s
(
p
,
y
)
=
1
−
β
1
−
β
n
y
C
E
L
o
s
s
(
p
,
y
)
CBLoss(p,y)=\frac{1-\beta}{1-\beta^{n_y}} CELoss(p,y)
CBLoss(p,y)=1−βny1−βCELoss(p,y)
β
\beta
β是超参数,一般在[0, 1],
n
y
n_y
ny表示类别
y
y
y的样本数量。可参考博文,作者写的太好了。
Paper2
CANet: Cross-Disease Attention Network for Joint Diabetic Retinopathy and Diabetic Macular Edema Grading
摘要:DR和DME是眼底图片中的两种疾病,而这两种病存在关联性。这篇文章第一次在网络中加入了关联模块,利用了疾病之间的相关性,在一些医疗数据集上取得了sota的结果。
网络结构图