我有 22 类对象，但它们的分布非常倾斜，其中最大类有 100.000 个图像，最小类有 1600 个图像。在那种情况下，我想听听这个平衡问题的一些可能的解决方案。
到目前为止，我已经尝试过以下方法；
通过复制实例将较低类中的实例数乘以最大类，也可能添加一些噪声。
在下一个 epoch 的给定 minibatch 中改变关于类分布的学习。（没有实施，但在我看来）
你有什么建议？
在深度神经网络的大规模图像识别问题中，有哪些可能的方法来处理类不平衡？
数据挖掘
分类
阶级失衡
深度学习
物体识别
2022-03-04 20:09:39
1个回答
您还可以修改成本函数，以便较小类中的实例具有更大的权重。与您的选项 1 相比，这使得训练对计算的要求更低。
其它你可能感兴趣的问题