Aké techniky pomáhajú pri veľmi nevyvážených triedach v CV?

V nalogah računalnega vida (CV) z zelo neuravnoteženimi razredi se uporabljajo naslednje tehnike:

• Povečanje podatkov za manjšinski razred: povečanje števila primerov redkega razreda z transformacijami (zvitki, skaliranje, premiki).

• Uporaba metod tehtanja razredov: med usposabljanjem modela lahko dodelimo večjo težo napakam v manjšinskem razredu, da model posveča več pozornosti njemu.

• Vzorčenje podatkov:

  • Oversampling — umetno povečanje podatkov redkega razreda.
  • Undersampling — zmanjšanje števila primerov večinskega razreda.

• Uporaba specializiranih funkcij izgube: na primer, Focal Loss, ki se osredotoča na težje razvrščljive primere.

• Zbiranje dodatnih podatkov: če je mogoče, za manjšinski razred.

Te metode pomagajo izboljšati kakovost modela na redkih razredih in preprečiti pristranskost v smeri večinskih razredov.