目标检测中的不平衡问题综述
什么是不平衡问题?一个我们最常想到的不平衡问题是:目标类别的不平衡。比如猫狗数据标注数量差异比较大。但这只是类别个数这一个输入特性。将不平衡问题分成四种类型,如下表:1. 类别不平衡:前景和背景不平衡、前景中不同类别输入包围框的个数不平衡;2. 尺度不平衡:输入图像和包围框的尺度不平衡,不同特征层对最终结果贡献不平衡;3. 空间不平衡:不同样本对回归损失...
·
什么是不平衡问题?一个我们最常想到的不平衡问题是:目标类别的不平衡。比如猫狗数据标注数量差异比较大。但这只是类别个数这一个输入特性。
将不平衡问题分成四种类型,如下表:

1. 类别不平衡:前景和背景不平衡、前景中不同类别输入包围框的个数不平衡;
2. 尺度不平衡:输入图像和包围框的尺度不平衡,不同特征层对最终结果贡献不平衡;
3. 空间不平衡:不同样本对回归损失的贡献不平衡、正样本IoU分布不平衡、目标在图像中的位置不平衡;
4. 目标函数不平衡:不同任务(比如回归和分类)对全局损失的贡献不平衡。
DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。
更多推荐


所有评论(0)