缓解常见数据集中中心化物体的偏差
计算机视觉与模式识别
2023-08-07 v3 机器学习
摘要
卷积网络被认为具有平移不变性，但已有研究表明其响应可能随物体精确位置的不同而变化。在本文中，我们将证明大多数常被研究的数据集存在一种偏差，即在训练过程中物体过度集中于图像中心。这种偏差以及这些网络的边界条件会对这些架构的性能产生显著影响，且当物体接近边界时其准确率会大幅下降。我们还将展示如何通过数据增强技术来缓解这一效应。
引用
@article{arxiv.2112.09195,
title = {Mitigating the Bias of Centered Objects in Common Datasets},
author = {Gergely Szabo and Andras Horvath},
journal= {arXiv preprint arXiv:2112.09195},
year = {2023}
}