关键词long-tail classification
搜索结果 - 4
- 深度长尾分类进展综述
不均匀数据的深度学习中的挑战及方法研究,重点关注长尾分类问题。
- 在图上表征长尾类别
本文提出了长尾数据在图分类中的泛化界限,为了解决这个问题,我们引入了多任务学习,并建立了一个通用框架 Tail2Learn,该框架通过分层任务分组模块和平衡对比学习模块,可以提高长尾类别在图上的性能。
- 通过缓解增强学习的瓶颈,实现切换到判别式图像字幕生成
本文探讨了针对图像的生成式字幕生成模型具有过高泛化性质的问题,分析了词汇量限制造成的字幕不够详细的原因,并提出了一种鼓励低频词汇生成的简单方法,使得模型能够生成更具独创性的字幕。实验表明,这种方法有效提高了模型的字幕生成质量。
- 基于检索的长尾视觉识别分类
提出了 Retrieval Augmented Classification (RAC) 方法,并应用于解决长尾分类问题,通过显式引入检索模块,使用非参数化外部内存信息显著提高了 Places365-LT 和 iNaturalist-201