实体
long-tailed recognition
long-tailed recognition
PulseAugur coverage of long-tailed recognition — every cluster mentioning long-tailed recognition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
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 2 条
-
新的对比学习方法优化了不平衡数据集的表示几何
研究人员开发了一个新的理论框架，用于理解有监督对比学习中的表示几何，特别是在长尾分布的数据集上。他们的分析表明，现有方法未能形成规则单纯形几何，因为它们仍然依赖于每个类别的样本数量。为了解决这个问题，他们引入了一种“结构平衡”技术和一个完全平衡的对比目标，该目标在理论上可以在其最优状态下形成规则单纯形，从而在长尾识别和迁移学习任务中提高了性能。
-
新的SAMN方法改进了超参数友好的长尾识别
研究人员引入了一种名为自适应单调归一化（SAMN）的新方法，以解决深度学习中长尾识别的挑战。该方法旨在通过强制执行每类权重范数的单调性来提高性能，而无需参数正则化，从而使其更友好于超参数。SAMN可与现有方法集成，并在基准数据集上显示出显著的性能提升，通常能达到最先进的水平。