Quantifying and mitigating class imbalance in long-tailed visual recognition
Uzun kuyruklu görsel tanımada sınıf dengesizliğinin ölçülmesi ve azaltılması
- Tez No: 745390
- Danışmanlar: DOÇ. DR. SİNAN KALKAN, DR. ÖĞR. ÜYESİ EMRE AKBAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Gerçek dünyada nesneler, kategorilere eşit olmayan bir şekilde dağılır. Bu durum gerçekçi görsel tanıma veri kümelerinde uzun kuyruklu bir dağılım olarak kendini gösterir. Geleneksel gradyan tabanlı eğitim stratejileri kullanılarak bu tür dengesiz veri kümeleri üzerinde eğitilen derin öğrenme tabanlı yaklaşımlar, veri kümesinde yeterince temsil edilmeyen sınıflara karşı adil olmayan tanıma performansları sergiler. Bu sözde sınıf dengesizliği, literatürde, dengesizliği sınıf frekansı veya sınıf zorluğu yoluyla ölçerek ve bu ölçümleri örnekleme, kayıp fonksiyonu ağırlıklandırma veya kalibrasyon stratejileri yoluyla dengesizliği azaltmak için kullanarak çalışılmıştır. Bu tezde, sınıflar arasındaki dengesizliği yakalamak için örnek frekansının veya zorluğunun tek başına yeterli olmadığını tartışıyor ve deneysel olarak gösteriyoruz. Ardından, eğitilmiş bir derin ağın tahmin belirsizliğine dayanan yeni bir ölçüt öneriyoruz ve bunun dengesizliği mevcut yaklaşımlardan daha iyi yakalayabildiğini gösteriyoruz. Son olarak, ölçümüzü mevcut dengesizlik azaltma yöntemlerine dahil ediyoruz: kayıp fonsiyonunu yeniden ağırlıklandırma, yeniden örnekleme, marj tabanlı yöntemler ve iki aşamalı eğitim. Tahmine dayalı belirsizliğe dayalı yöntemlerin, uzun kuyruklu CIFAR-10-LT, CIFAR-100-LT ve ImageNet-LT veri kümelerinde mevcut temellere göre iyileştirdiğini veya yakın performans gösterdiğini gösteriyoruz.
Özet (Çeviri)
Objects are distributed unevenly in real world, which manifests itself as a long-tailed distribution in realistic visual recognition datasets. Deep learning based approaches trained on such imbalanced datasets using conventional gradient-based training strategies exhibit unfair recognition performances towards classes that are under-represented in the dataset. This so-called class imbalance has been studied in the literature by measuring imbalance via either class frequency or class hardness, and using those measures to mitigate imbalance by sampling, loss weighting or calibration strategies. In this thesis, we argue and empirically show that sample frequency or hardness alone is not sufficient for capturing imbalance among classes. Then we propose a novel measure based on predictive uncertainty of a trained deep network and demonstrate that it can capture imbalance better than existing approaches. Finally, we incorporate our measure to existing imbalance mitigation methods: loss reweighting, resampling, margin-based methods, and two-stage training. We show that predictive uncertainty-based methods improve over or perform on par with existing baselines on long-tailed datasets CIFAR-10-LT, CIFAR-100-LT and ImageNet-LT.
Benzer Tezler
- Environmental burdens of single use polypropylene plastic cups
Tek kullanımlık polipropilen plastik bardakların çevresel yükleri
WAEL ASSALI
Yüksek Lisans
İngilizce
2023
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA FATOS BABUNA
- Determination of antibacterial activity mechanism of red rose petal extract
Kırmızı gül yaprağı ekstraktının antibakteriyel aktivite mekanizmasının belirlenmesi
KAZI JANNATUL MARDIA
Yüksek Lisans
İngilizce
2024
Gıda MühendisliğiSakarya ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
PROF. DR. SERAP COŞANSU AKDEMİR
- Analysis and mitigation of interference in multi-radio multi-channel wireless mesh networks
Çok-radyolu çok-kanallı kablosuz örgüsel ağlarda girişimin incelenmesi ve azaltılması
ALPER RİFAT ULUÇINAR
Doktora
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Bölümü
DOÇ. DR. İBRAHİM KÖRPEOĞLU
- Impact of subsurface fluid flow on sedimentacoustic properties, implications for carbon captureand storage
Başlık çevirisi yok
MELİS CEVATOĞLU
- Mobilya endüstrisinde yaşam döngüsü analizi yaklaşımı ile çevreci tasarım ve sürdürülebilir stratejiler
Eco-design and sustainable strategies for the furniture industry through life cycle approach
MERVE MERMERTAŞ
Yüksek Lisans
Türkçe
2018
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA GERMİRLİ BABUNA