Jaké techniky pomáhají při velmi nevyvážených třídách v CV?

V úlohách počítačového vidění (CV) s veľmi nevyváženými triedami sa používajú nasledujúce metódy:

• Rozšírenie dát pre minoritnú triedu: zvýšenie počtu príkladov vzácnej triedy pomocou transformácií (otočenia, škálovanie, posuny).

• Použitie metód váženia tried: počas tréningu modelu možno priradiť väčšiu váhu chybám v minoritnej triede, aby model venoval jej viac pozornosti.

• Vzorkovanie dát:

  • Oversampling — umelé zvýšenie dát vzácnej triedy.
  • Undersampling — zníženie počtu príkladov väčšinovej triedy.

• Použitie špecializovaných funkcií straty: napríklad, Focal Loss, ktorá sa zameriava na ťažké príklady na klasifikáciu.

• Zber ďalších dát: ak je to možné, pre minoritnú triedu.

Tieto metódy pomáhajú zlepšiť kvalitu modelu na zriedkavých triedach a vyhnúť sa skresleniam v prospech väčšinových tried.