#414
summarized by : pshiko
Rethinking Class-Balanced Methods for Long-Tailed Visual Recognition From a Domain Adaptation Perspective

どんな論文か?

クラス不均衡データに対する学習をドメイン適応の視点から説明. クラス不均衡データの学習の難しさはtrainデータの分布とtestデータの分布の違いにあり, その補正の際にはクラスの出現確率だけでなく, クラス内における分布の補正が重要でありこれを補正する手法を提案
placeholder

新規性

クラス不均衡データの学習において補正すべき項をドメイン適応の視点から立式. これにより従来手法がクラス内におけるfeatureの分布がtrainとtestで変わらないことを仮定していることを指摘し, これに対する補正項の効果と補正項の算出方法を提案した点

結果

既存のclass balanced手法と複数の不均衡強度で比較し、ほぼ全ての不均衡強度において既存手法を上回る精度を確認. またクラス毎の精度を確認した結果 ,高頻出クラスの精度を殆ど損ねることなく全体の認識精度を向上させられている.

その他(なぜ通ったか?等)

不均衡データに対する学習において暗黙的に加えられていた補正項などの意味について, ドメイン適応の視点で立式することで現行手法の課題を指摘しているので改善方法に納得感があり, 実際に大きな精度向上を達成している点