关键词class-imbalanced datasets
搜索结果 - 6
- 提取清洁平衡的子集以用于嘈杂的长尾分类
使用基于分布匹配的类原型和最优传输的伪标注方法,结合观察标签和伪标签的有效筛选标准,成功解决了长尾分布和标签噪声的联合问题,提供了更加平衡、准确的训练样本集,为具有标签噪声的长尾分类提供了有效的性能提升。
- 借鉴最佳实践:无线通信的主动学习
本文介绍了无线通信中深度学习应用的主动学习算法,通过在无标签数据集中识别关键和信息量最高的样本,仅对这些样本进行标记,从而减少标注开销并保持与传统训练相同的准确性。在深度学习基于毫米波波束选择的案例研究中,我们对多模态数据集进行了不同主动学 - CVPR类平衡扩散模型
本研究发现在使用类不平衡数据集训练扩散模型时,模型的多样性和保真度显著下降,提出了一种名为 “Class-Balancing Diffusion Models” 的方法来解决这个问题,并在 CIFAR100/CIFAR100LT 数据集上展 - CVPR改进长尾识别的校准
本文针对训练数据集不均衡和 miscalibration 等问题,设计了两种方法,分别为标签感知平滑和批次偏移规范化,并在多个长尾识别基准数据集上创造了新记录。
- 利用分离表示学习进行罕见事件检测
本文提出了一种用于稀有事件检测的新方法,通过类不平衡数据集中图像对进行训练以分离表示,从而有效地检测出来自卫星图像上的建筑变化等稀有事件。
- ICML风险分层的 $α$ 切割决策链
该论文介绍了一种新型决策树算法 ACDC,该算法特别适用于探索大规模的、类别不平衡的健康数据集,并且结合 ROC 曲线和提升图等可视化性能指标进行交互式解释。