用于长尾视觉识别的包裹柯西分布角度 Softmax
机器学习
2023-05-31 v1
摘要
由于训练与测试分布间的差异及数据噪声问题，处理不平衡或长尾数据是视觉识别任务的主要挑战。我们提出包裹柯西分布角度 Softmax（WCDAS），一种新颖的 softmax 函数，将基于数据的高斯核融入特征表示与分类器权重间的角度关联中，有效缓解噪声与稀疏采样问题。角度表示的类级分布成为这些核的和。我们的理论分析揭示，包裹柯西分布在逼近混合分布上优于高斯分布。此外，WCDAS 使用可训练集中参数动态调节每类的紧致度与边界。实证结果证实这些参数具有标签感知行为，并证明 WCDAS 在多个基准数据集处理长尾视觉识别上优于其他最先进的基于 softmax 的方法。代码已公开。
引用
@article{arxiv.2305.18732,
title = {Wrapped Cauchy Distributed Angular Softmax for Long-Tailed Visual Recognition},
author = {Boran Han},
journal= {arXiv preprint arXiv:2305.18732},
year = {2023}
}
备注
accepted by ICML 2023