研究人员开发了一种名为BS-cRT的新型长尾识别基线方法，旨在通过在初始训练后仅重新训练分类器来提高准确性。该两阶段过程包括使用平衡Softmax训练骨干网络和余弦分类器，然后冻结骨干网络，仅在平衡的样本批次上更新分类器。BS-cRT方法在CIFAR-100-LT、CIFAR-10-LT、ImageNet-LT和Places-LT等各种数据集上持续提高少样本准确性，尤其是在较高的不平衡因子下显示出显著的提升。 AI
影响 这项研究为提高AI识别数据集中稀有类别的能力提供了一个实用的基线，有望在数据不平衡的实际应用中提升性能。
排序理由 该集群包含一篇详细介绍机器学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Balanced Softmax
- BS-cRT
- CIFAR-100-LT
- CIFAR-10-LT
- Counterfactual Boundary Risk Minimization
- ImageNet-LT
- Places-LT
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
