【看看这长尾学习】Re-Weight方法 EQLloss

最新推荐文章于 2024-07-23 17:29:00 发布

原创

最新推荐文章于 2024-07-23 17:29:00 发布 · 3.6k 阅读

·

1

·

CC 4.0 BY-SA版权

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

文章标签：

#深度学习 #pytorch #神经网络

该文介绍了一种名为EQLoss的方法，用于解决长尾分布下对象识别问题。通过对稀有类别的梯度进行调整，减少负样本的影响，有效提升了尾部类别的分类效果。

阅读论文：

Equalization loss for long-tailed object recognition

论文观点与表现：

每一个类的正样本能够被视为其他类别的负样本，这样会导致尾部数据类别非常不佳的梯度。
通过忽视上述中的稀有类别的梯度，使得EQLoss在劣势中学习稀有类别信息。

降低了负样本梯度的影响，对比正常情况负样本累计梯度下降明显：
在这里插入图片描述
尾部类别的置信度分数相比原来也有不错的提升（头部类别相比变化不大，一小部分有所下降，但也有一小部分提升），说明网络能够有效的关注到尾部类别的分类：

实验原理：

Softmax公式

在这里插入图片描述

Sigmoid公式：

在这里插入图片描述

EQL公式Sigmoid版本：

<

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。