严重类不平衡下的多类分割：以屋顶损伤评估为例
计算机视觉与模式识别
2020-11-20 v2
摘要
从俯视影像中进行屋顶损伤分类与分割的任务具有独特挑战。本工作中我们选择解决由严重类不平衡所带来的挑战。我们提出了四种旨在缓解该问题的不同技术。通过一种以过采样少数类方式向网络输送数据的新方案，以及另外三种网络架构改进，我们成功将模型的宏平均F1分数提升了39.9个百分点，从而实现了改进的分割性能，尤其在少数类上。
引用
@article{arxiv.2010.07151,
title = {Multi-class segmentation under severe class imbalance: A case study in roof damage assessment},
author = {Jean-Baptiste Boin and Nat Roth and Jigar Doshi and Pablo Llueca and Nicolas Borensztein},
journal= {arXiv preprint arXiv:2010.07151},
year = {2020}
}
备注
Submitted to the Artificial Intelligence for Humanitarian Assistance and Disaster Response Workshop at NeurIPS 2020