- …
- …
#338
summarized by : Takayuki Semitsu
どんな論文か？
クラスごとの不均衡(Long-tail)問題に対する汎用的な戦略を提案。提案手法では①クラス確率の校正と、②頻度に従った誤差関数の再重み付けを行う。①クラスごとの線形変換による推定クラス確率補正と、補正値をどれだけ重みづけるかを決める信頼度推定ヘッドを導入。
新規性
表現学習と識別器の学習の2段階(two-stage)で構成される手法について、クラス不均衡から生じる精度不均衡をシンプルな手法で校正した。
結果
画像認識(Classification)ではImageNet-LT(Long-tail)を使って評価。その他、Semantic Segmentation, Object Detection, Instance Segmentationタスクでも比較。いずれも既存手法を抑えて提案手法で最も良い精度を達成
その他（なぜ通ったか？等）
https://github.com/Megvii-BaseDetection/DisAlign
- …
- …