【看看这长尾学习】解耦训练 Balanced group Softmax

最新推荐文章于 2024-06-18 09:43:24 发布

你好啊：）

最新推荐文章于 2024-06-18 09:43:24 发布

阅读量969

点赞数 1

分类专栏：长尾学习目标检测论文文章标签：聚类深度学习 kmeans

本文链接：https://blog.csdn.net/leomn_j/article/details/121545700

版权

17 篇文章 1 订阅

订阅专栏

5 篇文章 0 订阅

订阅专栏

本文介绍了一种名为BAGS的模型，用于解决对象检测任务中类别不平衡的问题。通过将类别分组并引入平衡策略，该模型能有效提升对长尾类别的建模能力，同时避免过度采样。文章详细阐述了GroupSoftmax的应用、分组策略以及其在训练和测试阶段的实施方法。

摘要由CSDN通过智能技术生成

现有检测方法在数据集严重倾斜时不能对极少数类进行建模，这导致分类器在参数量级上不平衡。并且长尾分类模型并不能直接应用于检测框架。
本文提出了一个新的平衡组（BAGS）模型来平衡检测框架内的分类器，能够隐式的调制尾部和头部类别的训练过程并且确保训练充分（没有对尾部实例进行额外的采样）

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kwlpq1cX-1637840547331)(C:\Users\13576\AppData\Roaming\Typora\typora-user-images\image-20211125152336998.png)]$

在这里插入图片描述

Group softmax
- 划分一系类的平衡组，每个Group中各类别实例数目相当。
  - 将 $C$ 个类别分为 $N$ 个Groups, 分配的依据是每个类的实际实例数目。
  - ${S_{n}^{l} \le N(j)<S_{n}^{h}, n>0}$
    - 具体含义见下图
    $[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Posyk1q6-1637840547336)(C:\Users\13576\AppData\Roaming\Typora\typora-user-images\image-20211125163654380.png)]$
给每个Group添加Others
- Others包含除了当前Group中类别的其他类别和背景
添加第 ${g_{0}}$ 组，前后背景组
- 在对 ${g_{1}.......g_{n}}$ 进行预测之前，先进行 ${g_{0}}$ 再与 ${g_{1}.......g_{n}}$ 的结果相乘。