视觉数据集中的组合属性不平衡
计算机视觉与模式识别
2025-06-18 v1 人工智能
摘要
视觉属性不平衡是图像分类中常见却未被充分关注的问题，对模型性能和泛化能力具有显著影响。本文首先定义图像的一级和二级属性，然后引入基于 CLIP 的框架构建视觉属性词典，实现对图像属性的自动评估。通过系统性分析单属性不平衡和组合属性不平衡，我们揭示了属性稀有性如何影响模型性能。为解决这些挑战，我们提出一种根据其组合属性稀有性调整样本抽样概率的策略。该策略进一步与各种数据增强技术 (如 CutMix、Fmix 和 SaliencyMix) 集成，以增强模型对稀有属性的表示能力。在基准数据集上进行大量实验表明，我们的方法有效缓解了属性不平衡，从而提高了深度神经网络的鲁棒性和公平性。我们的研究突显了建模视觉属性分布的重要性，并为处理长尾图像分类任务提供了可扩展解决方案。
引用
@article{arxiv.2506.14418,
title = {Compositional Attribute Imbalance in Vision Datasets},
author = {Jiayi Chen and Yanbiao Ma and Andi Zhang and Weidong Tang and Wei Dai and Bowei Liu},
journal= {arXiv preprint arXiv:2506.14418},
year = {2025}
}