long-tailed datasets | BriefGPT

关键词long-tailed datasets

搜索结果 - 12

处理不平衡数据的高效基于 NAS 的方法
利用神经架构搜索（NAS）来增强对长尾数据集的性能的一种新方法被介绍在此论文中，通过 IMB-NAS 的现有工作提出了一种有效地调整 NAS 超级网络以适应不平衡目标数据集的方法。该论文详细描述了 IMB-NAS 的基本技术，其中包括 NA
PDF12 days ago
公平可微分神经网络架构搜索与自监督学习的长尾数据
近期人工智能的进展将深度学习作为计算机视觉、数据挖掘和自然语言处理等领域的关键技术。本文探讨了提高 NAS 在长尾数据集上搜索和训练性能的方法，特别关注了 SSF-NAS 这一现有方法，通过集成自监督学习和公平可微分 NAS，在长尾数据集上
PDF15 days ago
针对长尾数据集的神经架构搜索的异构学习率调度
本文旨在解决将神经架构搜索（NAS）算法，特别是可微架构搜索（DARTS），应用于类别分布高度不平衡的长尾数据集的挑战。我们观察到，传统的重新采样和重新加权技术，在与 DARTS 结合时会导致性能下降。为了缓解这一问题，我们提出了一种新颖的
PDF23 days ago
CVPRDeiT-LT 蒸馏对长尾数据集的视觉 Transformer 训练再次起效
利用 DeiT-LT 方案能够在长尾数据集上从头开始训练 ViT，并使用蒸馏 DIST 令牌通过在 ViT 架构中使用不同的令牌来学习对应于多数和少数类的特征。
PDF3 months ago
WeedCLR：长尾数据集中通过视觉表示进行具有类别优化损失的杂草对比学习
使用深度学习模型对长尾数据集中的杂草进行分类，提出了一种基于类优化损失和深层表示的 WeedCLR 方法，在无标签数据上使用自监督学习来学习视觉特征，并通过类优化损失函数解决长尾数据集中的类别不平衡问题，相较于先前的方法在不同环境条件下展现
PDF8 months ago
自监督长尾学习中离分布数据的有效性
本文提出了一种使用对比学习和越界数据解决长尾数据集中深度自我监督学习（Self-supervised learning）效果不佳的技术 COLT，实验表明该方法能够显著提高长尾数据集上自我监督学习的性能。
PDFa year ago
先知式教师引导的长尾分布学习
本文提出了一种创新的长尾学习范式，通过设计一个精心制作的 “先知” 教师，指导深度卷积网络的学习，以在长尾数据集上进行分类。实验结果表明，该方法在解决长尾数据集中类别知识有限的问题方面具有很大的潜力。
PDFa year ago
Difficulty-Net: 学习长尾识别的难度预测
该研究提出了一个名为 Difficulty-Net 的模型，使用元学习框架来预测长尾数据集中难度较大的类别，利用相对难度和驱动器损失来指导学习，并且在多个长尾数据集中取得了最先进的性能。
PDF2 years ago
ECCV基于自由对象分割的长尾实例分割学习
本研究提出一个简单和可扩展的 FreeSeg 框架，可以利用物体中心的图像提取和利用物体前景中的 “免费” 多样性来促进复杂场景中类别繁多的实例分割模型的培训，通过对同一类别的物体中心形象的相似性进行调查，提出前景实例的候选片段，然后通过对
PDF2 years ago
循环焦点损失
本文提出一种新的周期性的焦点损失函数，证明其是比交叉熵 softmax 损失函数或者焦点损失函数更普适的损失函数，并推出了数个实验证据来证明周期性的焦点损失函数对于平衡，不平衡或长尾数据集都提供了更好的性能。
PDF2 years ago
CVPR长尾实例分割的秋千损失
该论文探讨了实例分割在长尾数据集方面的挑战，提出了一种新的损失函数 Seesaw Loss，它包括了缓解因子和补偿因子来动态平衡正负样本的梯度，通过在 LVIS 数据集上的测试得出了比 Cross-Entropy Loss 更好的性能。
PDF4 years ago
CVPR长尾目标识别的均衡损失
本文提出了等化损失函数来解决卷积神经网络在大词汇和长尾数据集上的目标检测问题，通过简单的忽略稀有类别的梯度，保护稀有类别的学习不受到劣势影响，从而使得模型能够更好地学习稀有类别的物体的判别特征。通过实验证明，该方法在 LVIS 基准测试上，
PDF4 years ago