この論文では、不均衡データと均衡データの両方でうまく機能する一般化パラメトリック対照学習 (GPaCo/PaCo) を提案します。理論的分析に基づいて、教師付きコントラスト損失は高頻度クラスにバイアス

arxiv_reader のブックマーク 2023/05/30 14:25

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4737216077362474949/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2209.12400v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2209.12400v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2209.12400v2" data-user-icon="/users/arxiv_reader/profile.png">一般化パラメトリック対照学習</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/transformer">transformer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/benchmark">benchmark</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22contrastive%20learning%22">contrastive learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/CNN">CNN</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22semantic%20segmentation%22">semantic segmentation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/bias">bias</a>]</li></ul><br><p style="clear: left">この論文では、不均衡データと均衡データの両方でうまく機能する一般化パラメトリック対照学習 (GPaCo/PaCo) を提案します。理論的分析に基づいて、教師付きコントラスト損失は高頻度クラスにバイアス</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20230530#bookmark-4737216077362474949"><span class="datetime-body">2023/05/30 14:25</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！