Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.00625

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.00625 (cs)
[提交于 2025年5月31日 ]

标题: 长尾视觉识别的置换不变头尾特征融合

标题: Long-Tailed Visual Recognition via Permutation-Invariant Head-to-Tail Feature Fusion

Authors:Mengke Li, Zhikai Hu, Yang Lu, Weichao Lan, Yiu-ming Cheung, Hui Huang
摘要: 长尾数据分布的不平衡给深度学习模型带来了重大挑战,导致它们倾向于关注头部类别而忽略尾部类别。 造成低识别准确率的两个关键因素是表示空间的退化和有偏的分类器,这些源于尾部类别中的语义信息不足。 为了解决这些问题,我们提出了一个名为排列不变且头尾特征融合(PI-H2T)的高度自适应方法。 PI-H2T 通过排列不变表示融合(PIF)来增强表示空间,从而产生更集中的特征和自动化的类别边界。 此外,它通过头尾融合(H2TF)从头部类别向尾部类别转移语义信息,调整有偏的分类器,提高尾部类别的多样性。 理论分析和实验表明,PI-H2T 优化了表示空间和决策边界。 其即插即用的设计确保可以无缝集成到现有方法中,为进一步性能提升提供了简单路径。 在长尾基准上的大量实验验证了 PI-H2T 的有效性。
摘要: The imbalanced distribution of long-tailed data presents a significant challenge for deep learning models, causing them to prioritize head classes while neglecting tail classes. Two key factors contributing to low recognition accuracy are the deformed representation space and a biased classifier, stemming from insufficient semantic information in tail classes. To address these issues, we propose permutation-invariant and head-to-tail feature fusion (PI-H2T), a highly adaptable method. PI-H2T enhances the representation space through permutation-invariant representation fusion (PIF), yielding more clustered features and automatic class margins. Additionally, it adjusts the biased classifier by transferring semantic information from head to tail classes via head-to-tail fusion (H2TF), improving tail class diversity. Theoretical analysis and experiments show that PI-H2T optimizes both the representation space and decision boundaries. Its plug-and-play design ensures seamless integration into existing methods, providing a straightforward path to further performance improvements. Extensive experiments on long-tailed benchmarks confirm the effectiveness of PI-H2T.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.00625 [cs.CV]
  (或者 arXiv:2506.00625v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.00625
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Mengke Li [查看电子邮件]
[v1] 星期六, 2025 年 5 月 31 日 16:31:43 UTC (5,607 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号