目标检测——域适应的学习笔记

1 前言

在基于深度学习的目标检测任务中,训练集与测试集样本分布的不一致是一个影响模型表现的常见因素,

为了使得训练集的分布与测试集一致,我们需要采用一定的样本增广操作;

2 备注

2.1 “第五类和第八类训练数据较少(但是测试集中占比不少)”——出现了类别分布的差异问题

可以看到在“第五类和第八类训练数据较少(但是测试集中占比不少)”的问题中,我们一眼就明白,这是一个类别分布不一致的问题;

(但是这是不是一个类别不平衡问题呢,我们一般不这样说;我们认为由于metric对各种类别同一看待,而训练集中各个类别数量占比差异巨大引起的问题,称作类别的不平衡问题)

这里我们注意到,百度冠军模型的作者有一个发现,那就是“第五类和第八类训练数据在测试集中占比不少”,这个就有点奇怪了,明明没有测试集的标注信息,他是如何得知的呢?

根据钟老师的指导,我们知道,我们可以采用“伪标签”的形式对数据进行EDA,获取测试集的类别分布的信息;

 

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值