面向不平衡视觉回归的平衡均方误差损失
计算机视觉与模式识别
2022-03-31 v1
摘要
数据不平衡普遍存在于现实世界的视觉回归任务中，例如年龄估计和姿态估计，损害了模型的泛化能力与公平性。因此，不平衡回归近年来受到越来越多的研究关注。与不平衡分类相比，不平衡回归关注连续标签，其可能无界且高维，因而更具挑战性。在本工作中，我们指出广泛使用的均方误差（Mean Square Error, MSE）损失函数在不平衡回归中可能低效。我们从统计视角重新审视 MSE，并提出一种新颖的损失函数——平衡均方误差（Balanced MSE），以适应不平衡的训练标签分布。我们进一步设计了 Balanced MSE 的多种实现以应对不同现实场景，特别包括无需训练标签分布先验知识的那一种。此外，据我们所知，Balanced MSE 是高维不平衡回归的首个通用解决方案。在合成数据与三个真实基准上的大量实验证明了 Balanced MSE 的有效性。
引用
@article{arxiv.2203.16427,
title = {Balanced MSE for Imbalanced Visual Regression},
author = {Jiawei Ren and Mingyuan Zhang and Cunjun Yu and Ziwei Liu},
journal= {arXiv preprint arXiv:2203.16427},
year = {2022}
}
备注
CVPR 2022; Codes available at https://github.com/jiawei-ren/BalancedMSE