超级会员免费看
基于分类器校准的混合框架用于不平衡航空场景识别
在航空场景识别中，数据不平衡是一个常见且具有挑战性的问题。多数类数据在优化过程中不仅主导分类，还会导致偏差，影响分类器的权重矩阵。为解决这一问题，我们提出了一种基于分类器校准的混合框架，用于不平衡航空场景识别。
相关工作
- 不平衡航空图像识别
- 重平衡策略 ：当前解决不平衡问题的多数方法基于重平衡策略，包括数据重采样或损失重加权。数据重采样策略对多数类进行欠采样，对少数类进行过采样，但可能导致少数类过拟合，丢失多数类部分信息。损失重加权策略在损失函数中降低多数类的权重，增加少数类的权重，但会扭曲原始数据分布，损害特征表示学习。总体而言，重平衡策略在提高少数类识别性能方面存在局限性。
- 解耦学习 ：解耦学习是解决不平衡图像识别问题的新方法。通过两阶段训练，即特征表示学习阶段和分类器学习阶段，可产生意想不到的效果。在特征表示学习阶段采用随机采样策略，在分类器学习阶段采用重平衡策略。
- 对比学习
- 对比学习在无监督表示学习领域取得了巨大成功。通过比较同一图像不同增强图像之间的相似性，将同一类的特征聚类在一起。监督对比学习是对比学习的扩展，通过引入标签构建更合适的正样本和负样本。然而，将监督对比学习与解耦学习结合的串行架构会使特征提取器和分类器不兼容。
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
