研究人员推出了一种新颖的损失函数——层次感知交叉熵（HACE），旨在通过考虑类别之间的语义关系来改进图像分类。与标准的交叉熵不同，HACE 整合了类别层次结构，以更好地处理误分类。该方法包括将预测概率向上聚合，并对真实标签应用祖先标签平滑。在 CIFAR-100 等数据集上的评估表明，HACE 可以提高准确性，尤其是在与冻结的 DINOv2-Large 特征一起使用时。 AI
影响 引入了一种新的损失函数，该函数可以通过更好地利用类别层次结构来提高图像分类模型的准确性。
排序理由 介绍图像分类新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.06274v1 Announce Type: new Abstract: Standard cross-entropy is the default classification loss across virtually all of machine learning, yet it treats all misclassifications equally, ignoring the semantic distances that a class hierarchy encodes. We propose Hierarchy-A…
Standard cross-entropy is the default classification loss across virtually all of machine learning, yet it treats all misclassifications equally, ignoring the semantic distances that a class hierarchy encodes. We propose Hierarchy-Aware Cross-Entropy (HACE), a drop-in replacement…