weixin_43554214的博客

原创 Overcoming Classifier Imbalance for Long-tail Object Detectionwith Balanced Group Softmax

在训练过程中，将相似训练实例的类分组在一组，Softmax CE单独处理每个组，让他们在组内相互竞争，可以在训练期间将包含明显不同数量实例的类彼此隔离，尾部类分类器权重不会被头部类抑制。在方法分析的开头，同样是对比了平衡数据集到长尾数据集性能下降的现象，作者通过分析每个类别的分类器中训练实例数量和权重的关系发现，在不平衡数据集中，尾类对应的权重极小，因此尾类类别预测分数天生低于头类，所以在预测时偏向于选择头类而不是尾类。提出方法：BAGS，通过分组训练平衡检测框架内的分类器，调整头部和尾部训练的过程。