跳到主要内容
检索

RTX (United States)

1 篇关联报道

订阅更新
  1. arXiv

    长尾识别的尾部类别不再压向统一目标:留出类内差异后,四个长尾基准整体精度领先此前方法

    长尾识别不再把所有类别都对齐到同一个等角紧框架——一个各类共用、两两方向等夹角的目标:头类继续坍缩到框架上,尾部类别保留类内差异。此前的做法把等角紧框架当作所有类别统一的目标,强制尾部完全坍缩会把它们的样本压得过紧,削弱泛化。分类器一侧用特征条件门控做类别相关的节点专门化,让尾部类别占住自己的特征方向,损失一侧按类别频次给头部小间隔、尾部大间隔。在 CIFAR100-LT、ImageNet-LT、Places-LT 和 iNaturalist-2018 四个长尾基准上,整体精度优于此前方法,类内离散度从头部到尾部单调增大。

已读完全部报道