选择权重来计算加权S形交叉熵损失或在数据集不平衡的情况下选择任何加权损失的一般逻辑是什么?问题域基于视觉/图像分类。
一个很好的参考是这篇CVPR '19论文:"基于有效样本数的类平衡损失"。在论文中,他们使用了一种重新加权方案,该方案使用每个类的有效样本数来重新平衡处理类间不平衡问题的损失。 你也可以参考一篇解释相同研究工作的Medium文章。
选择权重来计算加权S形交叉熵损失或在数据集不平衡的情况下选择任何加权损失的一般逻辑是什么?问题域基于视觉/图像分类。
一个很好的参考是这篇CVPR '19论文:"基于有效样本数的类平衡损失"。在论文中,他们使用了一种重新加权方案,该方案使用每个类的有效样本数来重新平衡处理类间不平衡问题的损失。 你也可以参考一篇解释相同研究工作的Medium文章。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium