平衡群ソフトマックスによるロングテールオブジェクト検出のための分類器不均衡の克服【JST・京大機械翻訳】

Li Yu; Wang Tao; Kang Bingyi; Tang Sheng; Wang Chunfeng; Li Jintao; Feng Jiashi

プレプリント

J-GLOBAL ID：202202208521803597 整理番号：22P0160890

平衡群ソフトマックスによるロングテールオブジェクト検出のための分類器不均衡の克服【JST・京大機械翻訳】

Overcoming Classifier Imbalance for Long-tail Object Detection with Balanced Group Softmax

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (7件)： , , , , , ,
資料名：
発行年： 2020年06月18日プレプリントサーバーでの情報更新日： 2020年06月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

深層学習ベースモデルによる長尾大規模語彙物体検出の解決は,挑戦的で厳しいタスクであり,しかし,それは探索されていない。本研究では,長尾分布フロントにおける最先端のモデルの性能に関する最初の系統的解析を提供した。既存の検出法は,データセットが極端に歪むとき,少数ショットクラスをモデル化できないことを見出し,それはパラメータの大きさに関して分類器不均衡をもたらすことができる。検出フレームワークに対する長尾分類モデルの直接適応は,検出と分類の間の固有差のために,この問題を解決できない。本研究では,グループごとの訓練を通して,検出フレームワーク内の分類器のバランスをとるために,新しいバランスグループソフトマックス(BAGS)モジュールを提案した。それは,頭と尾のクラスのための訓練プロセスを暗黙的に調整し,それらが,尾部クラスからのインスタンスのための余分なサンプリングを必要とせずに,十分に訓練された。非常に最近の長尾大規模語彙物体認識ベンチマークLVISに関する広範な実験は,提案したBAGSが,オブジェクト検出とインスタンスセグメンテーションの両方に関して,様々なバックボーンとフレームワークを有する検出器の性能を著しく改善することを示した。それは,長尾画像分類から転送され,新しい最先端技術を確立するすべての最先端の方法に拍車をつける。コードはhttps://github.com/FishYuLi/BalancedGroupSoftmaxで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 人工知能 , ニューロコンピュータ

, , , , ,

前のページに戻る