- …
- …
#320
summarized by : Akihiro FUJII
どんな論文か？
クラス毎のデータ数に偏りがあるデータセット(long tailed dataset)では、少数派カテゴリ(tailed)で過信や誤認識が多く、モデルの算出する確信度と実際の正解率に乖離があった。クラス数を考慮したラベル平滑化とMixUPを使ったMiSLASを提案してその問題に対処し、SotA性能を達成した。
新規性
通常long tailed datasetにおいてtaildクラスを分類する重みは過小評価のため小さくなりがちだが、mixupを使うと、tailedクラスでも重みの大きさが保たれることを発見。それと、クラス数に応じてsmoothingnの値を変えるラベル平滑化を組み合わせる。
結果
CIFAR, ImageNet, Placesなどをlong tailedにしたデータセットにおいて、SotA性能を獲得。また、モデルの算出する確信度と実際の正解率に乖離を大きく是正した。
その他（なぜ通ったか？等）
https://github.com/dvlab-research/MiSLAS
- …
- …