CV'de çok dengesiz sınıflarda hangi yöntemler yardımcı olur?

Bilgisayar Görüşü (CV) görevlerinde, çok dengesiz sınıflar için aşağıdaki yöntemler uygulanır:

• Azınlık sınıfı için veri artırma: nadir sınıfın örnek sayısını dönüşümler (döndürme, ölçeklendirme, kaydırma) kullanarak artırmak.

• Sınıf ağırlıklandırma yöntemlerinin kullanımı: model eğitimi sırasında, azınlık sınıfındaki hatalara daha büyük bir ağırlık verilebilir, böylece modele ona daha fazla dikkat etmesi sağlanır.

• Veri örnekleme:

  • Oversampling — nadir sınıfın verilerini yapay olarak artırmak.
  • Undersampling — çoğunluk sınıfının örnek sayısını azaltmak.

• Özel kayıp fonksiyonlarının kullanımı: örneğin, Focal Loss, sınıflandırması zor olan örneklere odaklanır.

• Ek veri toplama: mümkünse, azınlık sınıfı için ek veri toplanması.

Bu yöntemler, nadir sınıflardaki model kalitesini artırmaya ve çoğunluk sınıflarına yönelik önyargıyı önlemeye yardımcı olur.