エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
【19日目】Distribution-Balanced Loss for Multi-Label Classification in Long-Tailed Datasets - やむやむもやむなし
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
【19日目】Distribution-Balanced Loss for Multi-Label Classification in Long-Tailed Datasets - やむやむもやむなし
この記事はNLP/CV論文紹介 Advent Calendar 2020の19日目の記事です。 今日はマルチクラス分類で、ラベ... この記事はNLP/CV論文紹介 Advent Calendar 2020の19日目の記事です。 今日はマルチクラス分類で、ラベルの不均衡さを克服するためにラベルの共起などを用いたLossを提案する論文です。 0. 論文 Distribution-Balanced Loss for Multi-Label Classification in Long-Tailed Datasets Tong Wu, Qingqiu Huang, Ziwei Liu, Yu Wang, Dahua Lin 1. どんなもの? マルチクラス分類で、クラスの共起やnegative-logitsに補正を加えたLoss「Distribution-Balanced Loss」による学習を提案 2. 先行研究と比べてどこがすごい? 学習バッチを作る際、単純なクラスの割合によるサンプリングではなく、クラスの共起も考慮したサ