Welche Techniken helfen bei stark unausgewogenen Klassen im CV?
sobes.tech KI
Antwort von AI
Bei Aufgaben der Computer Vision (CV) mit stark unausgeglichenen Klassen werden folgende Techniken angewendet:
-
Datenaugmentation für die Minderheitsklasse: Erhöhung der Anzahl der Beispiele der seltenen Klasse durch Transformationen (Drehungen, Skalierung, Verschiebungen).
-
Verwendung von Klassen-Gewichtungsmethoden: Beim Training des Modells kann ein höheres Gewicht auf Fehler in der Minderheitsklasse gesetzt werden, damit das Modell ihr mehr Aufmerksamkeit schenkt.
-
Daten-Sampling:
- Oversampling — künstliche Erhöhung der Daten der seltenen Klasse.
- Undersampling — Verringerung der Anzahl der Beispiele der Mehrheitsklasse.
-
Verwendung spezieller Verlustfunktionen: z.B. Focal Loss, die sich auf schwer zu klassifizierende Beispiele konzentriert.
-
Zusätzliche Daten sammeln für die Minderheitsklasse, wenn möglich.
Diese Methoden helfen, die Modellqualität bei seltenen Klassen zu verbessern und Verzerrungen zugunsten der Mehrheitsklassen zu vermeiden.