https://yuiga.dev/blog/en/tags/%E4%B8%8D%E5%9D%87%E8%A1%A1%E3%83%87%E3%83%BC%E3%82%BF/ Recent content in 不均衡データ on 行李の底に収めたり[YuWd] Hugo -- gohugo.io en ©2026, All Rights Reserved Wed, 08 Jun 2022 19:51:47 +0900 https://yuiga.dev/blog/en/ja/posts/affinity_loss/ Wed, 08 Jun 2022 19:51:47 +0900 Wed, 08 Jun 2022 19:51:47 +0900 https://yuiga.dev/blog/en/ja/posts/affinity_loss/ ソフトマックスにクラスタリングの要素を持ち込んで、不均衡を是正するアルゴリズム. サポートベクターマシンのようなマージン最大化問題を考える YuWd (Yuiga Wada) 論文 不均衡データ https://yuiga.dev/blog/en/ja/posts/equalization_loss/ Tue, 17 May 2022 22:06:14 +0900 Tue, 17 May 2022 22:06:14 +0900 https://yuiga.dev/blog/en/ja/posts/equalization_loss/ headはlossを小さく, tailはlossを大きくしたい 重み $w_i $を使ってlossを設計する (二値の場合) $L_{EQL}=-\sum_{j=1}^{C}w_{j}log(\hat{p_{j}}),$ $w_{j}=1-E(r)T_{\lambda}(f_{j})(1-y_{j})$ In this equation, E(r) outputs 1 when r is a foreground region proposal and 0 when it belongs to background. And fj is the frequency of category j in the dataset, which is computed by the image number of the class j over the image number of the entire dataset. And Tλ(x) is a threshold function which outputs 1 when x < λ and 0 otherwise. λ is utilized to distinguish tail categories from all other categories and Tail Ratio (T R) is used as the criterion to set the value of it TRを元に $\lambda$ を YuWd (Yuiga Wada) featured image 不均衡データ post https://yuiga.dev/blog/en/ja/posts/reltransformer/ Tue, 17 May 2022 18:47:10 +0900 Tue, 17 May 2022 18:47:10 +0900 https://yuiga.dev/blog/en/ja/posts/reltransformer/ タスクはVRR (Visual Releationship Recognition) 既存手法はGNNなどが多いが, GNNは近傍しか見ておらず, 自分に近いところの関係しか見ていない 例: 野球 野球選手とバットだけを見るよりも, 周りのキャッチャーやピッチャーの情報もコンテキスト情報として有益 着目物体 $n_s $と物体 $n_o$ と, その関係 $r$ のtripletを入力して, encode encodeしたtripletから, YuWd (Yuiga Wada) featured image 論文 不均衡データ https://yuiga.dev/blog/en/ja/posts/adapt-and-adjust_overcoming_the_long-tail_problem_of_multilingual_speech_recognition/ Thu, 12 May 2022 17:41:56 +0900 Thu, 12 May 2022 17:41:56 +0900 https://yuiga.dev/blog/en/ja/posts/adapt-and-adjust_overcoming_the_long-tail_problem_of_multilingual_speech_recognition/ Adapt-and-Adjust (A2), end-to-endの多言語音声認識モデル multilingual language modelをspeach-decoderとする Dual-Adaptersを採用 言語ごとに特徴抽出器を切り替えるイメージ これってほんとに言語ごとに切り替わってるの？ Adapterは Large-Scale Multilingual Speech Recognition with a Streaming End-to-End Modelが初出？ → と思ったら違った 初出: Learning multiple visual domains with residual adapters YuWd (Yuiga Wada) featured image 論文 不均衡データ 音声 https://yuiga.dev/blog/en/ja/posts/two-phase_training_mitigates_class_imbalance_for_camera_trap_image_classification_with_cnns/ Thu, 12 May 2022 11:26:24 +0900 Thu, 12 May 2022 11:26:24 +0900 https://yuiga.dev/blog/en/ja/posts/two-phase_training_mitigates_class_imbalance_for_camera_trap_image_classification_with_cnns/ Decoupling Representation and Classifier for Long-Tailed Recognition と真反対の手法 step1. balancedなデータセットで学習 step2. 特徴量抽出器の重みを固定して, 元のデータセットで線形分類器だけfine-tuning Class-specific F1-Scoreを用いて評価 YuWd (Yuiga Wada) 論文 不均衡データ