エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
分類器の出力確率は信用できるのか?calibration性能を向上させる損失関数「AdaFocal」
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
分類器の出力確率は信用できるのか?calibration性能を向上させる損失関数「AdaFocal」
3つの要点 ✔️ Focal Lossのハイパーパラメータγを適応的に調整するAdaFocalを提案 ✔️ 既存手法と比べ、同... 3つの要点 ✔️ Focal Lossのハイパーパラメータγを適応的に調整するAdaFocalを提案 ✔️ 既存手法と比べ、同等の分類性能を保ちながら高いcalibration性能を達成 ✔️ 分布外検出タスクにおいても有効性があることが確認された AdaFocal: Calibration-aware Adaptive Focal Loss written by Arindam Ghosh, Thomas Schaaf, Matthew R. Gormley (Submitted on 21 Nov 2022 (v1), last revised 16 Jun 2023 (this version, v2)) Comments: Published in NeurIPS 2022. Subjects: Machine Learning (cs.LG); Computer Vision a