Een sterke baseline voor het opnieuw trainen van de Balanced-Softmax-classificator voor lange staarten

Gepubliceerd 14 July 2026

In dit onderzoek wordt de effectiviteit van een nieuwe methode, BS-cRT, onderzocht voor lange staartherkenning. Deze methode omvat een twee-staps procedure waarbij een backbone en cosine-classificator worden getraind met Balanced Softmax. Na het bevriezen van de backbone wordt alleen de classificator bijgewerkt met gebalanceerde episodische batches. De resultaten tonen aan dat deze aanpak de Few-shot nauwkeurigheid verbetert op verschillende datasets, waaronder CIFAR-100-LT en ImageNet-LT. Daarnaast wordt de rol van Counterfactual Boundary Risk Minimization (CBRM) geanalyseerd, waarbij twee faalmodi worden geïdentificeerd die invloed hebben op de training.