classifier bias | BriefGPT - AI 论文速递

关键词classifier bias

搜索结果 - 9

CEAT：用于非示例类别增量学习的连续扩展和吸收变换器
通过延展融合层并与冻结先前参数并行，然后无损地将扩展参数吸收到主干网络中，以确保参数数量恒定，同时采用新型的原型对比损失减少特征空间中新旧类别的重叠，并提出一种生成伪特征以校正分类器的新方法。实验结果表明，在 CIFAR-100、TinyI
PDF4 months ago
高斯型调整逻辑斯谛回归用于长尾视觉识别
该论文针对长尾数据分类的问题，从特征层面提出了特征增强及对数调整方法，用以平衡嵌入（embedding）分布，消除分类器偏差，实验表明该方法超越了现有的最佳方法。
PDFa year ago
CVPR全局和局部混合一致性累积学习用于长尾视觉识别
该论文提出了一种名为 GLMC 的训练策略，旨在解决长尾视觉识别中的特征提取器鲁棒性和分类器偏差问题，其中核心思想包括全局和局部混合一致性损失、累积头尾软标签权重损失等，该方法在多个数据集上达到了最新的准确度，并证明了其对提高邻近算法泛化的
PDFa year ago
ACL通过分类器分解增强连续关系抽取
许多先前的 CRE 研究仅采用传统策略，但是本文提出，此策略在训练后会出现分类器偏差和表示偏差，导致模型遗忘已学习的知识，因此我们提出了一个简单而有效的分类器分解框架，实验结果表明我们的方法性能优于现有的方法。
PDFa year ago
你的特征有多偏见？：使用全局敏感度分析计算公平影响函数
本研究旨在通过引入公平影响函数对数据集中的特征进行量化，分解分类器偏差成由各个单独特征和多个特征所组成的组成部分，以更好地评估其公平性，并提出了一个基于方差分解和本地回归的算法 FairXplainer，该算法可以更准确地捕捉分类器的偏差，
PDF2 years ago
ACL文本分类器的解释必要性和充分性：仇恨言论检测案例研究
本文提供了一种新的特征归因方法用于解释文本分类器，用于分析恶意言论检测；提供 “必要性” 和 “充分性” 两种互补的理论得分，计算这些值的透明方法通过生成输入文本的显式扰动，使重要性评分本身具有可解释性；我们使用这种方法解释了不同恶意言语检
PDF2 years ago
CVPR辅助目标领域分类器的域自适应
该研究提出一种名为 Auxiliary Target Domain-Oriented Classifier (ATDOC) 的模型，旨在解决在无监督域适应中伪标签分布偏移和分类器偏置的问题。该模型基于最近邻居和内存机制，在多种领域适应基准和
PDF4 years ago
不完美群体信息下的均等准确率后处理
本文研究了在只有保护属性的不完美信息的情况下，公平干预是否仍然可行。我们特别研究了 Hardt 等人（2016）的等化几率后处理方法，证明了在属性扰动的情况下，只要符合我们所确定的条件，即使运行等化几率，分类器的偏差也会降低。我们还研究了所
PDF5 years ago
NIPS分类器中的显著性预测偏差识别
介绍了一种新颖的子集扫描方法，用于检测统计学显著的偏差或区域，以及识别分类器偏差或预测不良的特征子集，该方法使用基于子集扫描和参数引导的方法处理了指数级可能的子集。
PDF8 years ago