用平衡群Softmax克服长尾目标检测中分类器的不平衡
于莉、王涛、康炳义、盛唐、王春峰、李锦涛、冯佳诗; IEEE/CVF计算机视觉和模式识别会议记录，2020年，第10991-11000页
摘要
使用基于深度学习的模型解决长尾大词汇表对象检测是一项具有挑战性和艰巨性的任务，但这一任务尚未得到充分开发。在这项工作中，我们首次对最先进的模型在长尾分布前的表现不佳进行了系统分析。我们发现现有的检测方法在数据集极度倾斜时无法对少数快照类建模，这可能导致分类器在参数大小方面的不平衡。由于检测和分类之间的内在差异，直接将长尾分类模型应用于检测框架无法解决这个问题。在这项工作中，我们提出了一种新的平衡组softmax（BAGS）模块，用于通过分组训练在检测框架内平衡分类器。它隐式地调整了头类和尾类的训练过程，并确保它们都得到了充分的训练，而不需要对来自尾类的实例进行任何额外的采样。在最近的长尾大词汇对象识别基准LVIS上进行的大量实验表明，我们提出的BAGS在对象检测和实例分割方面显著提高了具有各种主干和框架的检测器的性能。它击败了所有从长尾图像分类转移过来的最先进的方法，并建立了新的最先进技术。代码可在https://github.com/FishYuLi/BalancedGroupSoftmax。
相关材料
[pdf格式][支持][arXiv公司][视频][围巾]@会议记录{Li_2020_CVPR，
author={李、余和王、陶和康、丙一和唐、盛和王、春风和李、锦涛和冯、伽师}，
title={使用平衡组Softmax克服长尾对象检测分类器不平衡}，
booktitle={IEEE/CVF计算机视觉和模式识别（CVPR）会议记录}，
月={6月}，
年份={2020年}
}
