- 博客(3)
- 收藏
- 关注
RSS订阅原创 论文阅读：Seesaw Loss for Long-Tailed Instance Segmentation
一般分类训练的过程大概是这样：进行训练时，给定一个iii类样本，将其送入模型会得到该样本对所有类的一个得分Zz1zizjzcZz1...zi...zj...zc。这个得分输入损失函数能够计算损失，损失函数对各个zzz求偏导，然后反向传播更新与各个类相关的参数。更新的趋势是，新得到的参数会使得ziz_izi更大，其他类的zzz更小，如zjz_jzj。所以，对于iii类训练样本送入模型训练时，损失函数对zi。
2023-07-03 09:09:08
208
1
原创 论文阅读：BBN: Bilateral-Branch Network with Cumulative Learning for Long-Tailed Visual Recognition
作者探求了类重平衡方法的机制，说明了这样的方法在促进分类器学习的同时也会影响到特征学习。下图中可以看出特征学习使用CE分类器学习使用RS时Error rate最低，如果在特征学习阶段使用类重平衡效果很差。提出了BBN（Bilateral-Branch Network）进一步提高长尾识别的性能，提出一个新的cumulative learning策略来调整两条分支的学习，与BBN模型的训练结合。Conventional Learning Branch用Uniform Sampler，Re-Balancing
2023-06-27 09:48:18
206
1
原创 论文阅读：Long-Tail Learning via Logit Adjustment
post-hoc normalisation，调整学习完的logit，但这样容易受到优化器选择的影响。loss modification，通过调整损失函数来调整logit，以适应不同类的惩罚，但这样牺牲了连续性，这样优化结果不一定是最优。提出了两个logit adjustment的两个post-hoc normalization和loss modification的实现，克服了两种问题的局限。证实了所提出的技术在真实世界数据集上的效用。
2023-06-07 12:14:26
523
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人