实体
CIFAR-10-LT
CIFAR-10-LT
PulseAugur coverage of CIFAR-10-LT — every cluster mentioning CIFAR-10-LT across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的DirMixE方法增强了AI模型中的长尾识别能力
研究人员推出了一种新颖的混合专家（MoE）策略DirMixE，旨在提高对长尾数据集的识别能力，这些数据集的测试标签分布未知且不平衡。该方法通过将专家分配给不同的Dirichlet元分布来解决标签分布的全局和局部变异。该论文还提出了一个通用的潜在技能微调（LSF）框架，用于基础模型的参数高效微调，并推导了泛化误差界限的理论。
-
新的BS-cRT方法提高了长尾识别的准确性
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。
-
新的注意力机制方法可解决类别不平衡数据中的梯度干扰问题
研究人员开发了一种名为类别特定分支注意力（CSBA）的新方法，以解决类别不平衡导致的深度神经网络性能下降问题。该技术在训练过程中识别并减轻不同类别之间的梯度干扰，因为多数类别的梯度会抑制少数类别的学习。CSBA 通过实现分支特定的通道重加权来做到这一点，在不改变架构简洁性的情况下促进特征解耦。该方法已显示出显著的改进，例如在严重不平衡的情况下，少数类别的 F1 分数从 0.261 提高到 0.522。