#364
summarized by : Akihiro FUJII
MetaSAug: Meta Semantic Augmentation for Long-Tailed Visual Recognition

どんな論文か?

クラスごとの潜在変数の共分散行列を学習させることにより、意味方向に変化しない拡張を行い、クラス数にばらつきのあるLong tailed datasetに対応させる研究。得られた拡張は背景変化などラベルの意味を変えないものになっており、ImageNet-LTなどで効果を確認した。
placeholder

新規性

共分散行列を取得する拡張手法ISDAを改良するMetaSAugを提案。ある程度学習をおこなったあとに、validationを使い、メタ学習的にvalidの損失を最小化するように共分散行列を更新していく。それによりデータの意味を変えない拡張が取得できる

結果

ImageNet-LT, CIFAR-10-LT, CIFAR-100-LTで実験し、有効性を確認した。 得られたデータ拡張は、背景や物体の色を意味の変わらない範囲でかえるものになっている。

その他(なぜ通ったか?等)

https://github.com/BIT-DA/MetaSAug