面向带噪声标签的大规模长尾识别的解决方案
计算机视觉与模式识别
2021-06-22 v1 人工智能
摘要
这是一份针对 CVPR 2021 AliProducts Challenge 的技术报告。AliProducts Challenge 是一项旨在研究世界领先电商公司所遇到的大规模细粒度商品图像识别问题的竞赛。大规模商品识别同时面临噪声标注、数据分布不平衡（长尾）以及细粒度分类的挑战。在我们的解决方案中，我们采用了 CNN 与 Transformer 的最先进模型架构，包括 ResNeSt、EfficientNetV2 和 DeiT。我们发现迭代式数据清洗、分类器权重归一化、高分辨率微调以及测试时增强是提升在噪声且不平衡数据集上训练性能的关键组成部分。最终，我们的集成模型在排行榜上取得了 6.4365% 的平均类别错误率。
引用
@article{arxiv.2106.10683,
title = {Solution for Large-scale Long-tailed Recognition with Noisy Labels},
author = {Yuqiao Xian and Jia-Xin Zhuang and Fufu Yu},
journal= {arXiv preprint arXiv:2106.10683},
year = {2021}
}
备注
3 pages