7. Towards Data-Centric Long-Tailed Image Recognition,这项工作研究了仅仅通过提升长尾数据的质量就可以提升长尾识别模型的性能,并系统的提出了以数据为中心的长尾识别系统的核心任务和组件。 论文链接: https://papers.ssrn.com/sol3/papers.cfm?a...
在长尾识别任务上,解耦(二阶段)的方法取得了巨大的进步,详情参考blog.csdn.net/weixin_41。本文详细分析了解耦的方法, 针对存在的两个问题进行改进,提出了Mixup Shifted Label-Aware Smoothing model (MiSLAS),该方法包括标签平滑和迁移BN两种方案。 问题
卷积神经网络(CNN)的目标识别技术取得了巨大的成功。然而,最先进的目标检测方法在大词汇表和长尾数据集(如LVIS)上仍然表现不佳。在本研究中,我们从一个新的角度来分析这个问题:一个类别的每个正样本都可以被看作是其他类别的负样本,使得尾部类别得到更多令人沮丧的梯度。在此基础上,我们提出了一种简单而有效的损失...
TPAMI论文 | 用于长尾识别的关键样本点敏感损失 OTPAMI论文 | 用于长尾识别的关键样本点敏感损失 TPAMI论文 | 用于长尾识别的关键样本点敏感损失 香港浸会大学博士生李梦柯、胡志锴及其导师张晓明教授所发表的最新研究成果“Key Point Sensitive... û收藏 1 评论 ñ1 评论 o p 同时转发...