BriefGPT - AI 论文速递
·
主动广义类别发现
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
ImbaGCD是一个解决不平衡广义类别发现问题的新框架，通过对齐类别先验分布来提高准确性。在CIFAR-100和ImageNet-100上的实验证明，ImbaGCD的改进效果分别为2-4%和15-19%。
🎯
关键要点
-
不平衡的广义类别发现是一个具有挑战性的问题，常见类别的分布偏向于常见类别而非罕见类别。
-
提出了一种新的基于最优传输的期望最大化框架ImbaGCD。
-
ImbaGCD通过对齐边际类别先验分布来完成广义类别发现。
-
在GCD设置下，ImbaGCD结合了一种估计不平衡类别先验分布的系统机制。
-
实验结果显示，ImbaGCD在CIFAR-100上改进了约2-4%，在ImageNet-100上改进了15-19%。
-
ImbaGCD在解决不平衡GCD问题方面表现优越。
➡️
