두 단계 학습의 병목
연구는 긴 꼬리 인식의 두 단계 학습 체계를 구성요소 실험으로 분석했다. 이 분석에서 찾은 병목을 바탕으로 통합적인 분포 정렬 전략을 제안했다.
자료별 점수의 보정
적응적 보정 함수가 각 자료의 분류 점수를 조절한다. 하나의 고정 점수 변환만이 아니라 개별 입력에 맞춘 보정으로 분포 차이를 다루는 구성이다.
클래스 사전확률의 균형
두 단계 학습에 일반화된 재가중 방법을 도입해 클래스 사전확률의 균형을 맞춘다. 점수 보정과 결합해 여러 시각 과제의 조건을 같은 틀로 다루려 한다.
네 종류의 시각 과제
이미지 분류와 의미 분할 및 객체 검출과 인스턴스 분할에서 평가했다. 긴 꼬리 학습을 하나의 분류 벤치마크에만 제한하지 않고 과제 사이의 적용 범위를 비교했다.
관련 문서
LADE / Balanced Meta-Softmax / 긴 꼬리 학습의 로짓 조정 / BBN / LDAM / 긴 꼬리 인식의 표현과 분류기 분리