imbalanced class distribution | BriefGPT

关键词imbalanced class distribution

搜索结果 - 9

FedDistill: 全局模型蒸馏以消除非独立同分布联邦学习中的局部模型偏差
FedDistill 是一个增强全局模型与本地模型之间知识传输的框架，专注于解决非均衡类分布的问题，通过群体蒸馏并将全局模型分解为特征提取器和分类器，确保本地模型不会忘记低频类别，而是更擅长准确识别和分类，通过全面实验验证了 FedDist
PDF3 months ago
基于多尺度时空变换的不平衡纵向学习，用于从不规则时间序列图像预测青光眼
青光眼预测的研究引入了基于变压器架构的多尺度时空变换网络 (MST-former)，针对时序图像输入进行了特定设计，可以在时空维度上有效地学习图像的语义信息；在不规则采样数据方面，引入了时间距离矩阵来非线性地缩放时间注意力；此外，通过温度控
PDF4 months ago
AAAI三个头胜过一个：长尾半监督学习的互补专家
我们提出了一种名为 CPE 的新方法，通过训练多个专家来解决长尾半监督学习中标签不平衡和未标记数据分布未知的问题，并引入 CPE 的类别批量归一化来避免特征分布不匹配造成的性能下降。在 CIFAR-10-LT、CIFAR-100-LT 和
PDF6 months ago
检索辅助文本转语音生成
我们提出了一种用于文本到音频生成的简单的检索增强方法，通过使用检索到的音频文本数据对 TTA 模型的学习进行指导，从而改善了 AudioLDM 模型在长尾数据集上的性能，在 AudioCaps 数据集上，我们的改进模型 Re-AudioLD
PDF10 months ago
基于注意力机制的轻量级模型用于色素性皮损检测
该研究提出了一种轻量级的皮肤病变检测流程，应对类别分布不平衡和一些病变的微妙或非典型表现的挑战。该流程基于一种轻量级模型，利用幽灵特征和 DFC 注意力机制减少计算复杂性同时保持高性能。通过合成少数类过采样技术和各种图像增强技术来解决数据集
PDFa year ago
DHC: 双修正异构协同训练框架用于类别不平衡的半监督医学图像分割
提出一种新颖的双消除偏见异构协同（DHC）框架，用于半监督 3D 医学图像分割，该框架通过两种损失加权策略（DistDW 和 DiffDW）动态利用伪标签引导模型解决数据和学习偏差，并且通过协同训练两个准确的子模型显著提高，实验结果表明我们
PDFa year ago
长尾识别中的子类平衡对比学习
本文提出了一种新的 “子类平衡对比学习（SBCL）” 方法，通过在表示空间中对头类聚类，以捕捉头类和尾类之间的两层类层次结构，实现了实例和子类平衡，并通过在不同类之间的子类对比学习来学习原始类标签。
PDFa year ago
混合多样专家的图分类
本文提出了一种名为 GraphDIVE 的基于节点嵌入的图分类不均衡问题的解决方案，使用多样的专家（即图分类器）进行图分类，通过分阶段训练实现对不均衡样本的有效分类。
PDF3 years ago
解决无人机图像中物体检测中长尾分布挑战的探索
我们提出了双采样器和头部检测网络（DSHNet），它是第一个致力于解决 UAV 图像中长尾分布问题的工作。DSHNet 的关键组件包括类偏采样器（CBS）和双边框头（BBH），它们以双路径方式应对尾部类和头部类，并在不同的检测框架下显著提高
PDF4 years ago