Основні поняття
YOLOv5モデルにおける前景-前景クラスの不均衡を解決するためのデータ拡張戦略が性能向上に有効であることを示す。
Статистика
サンプリング技術は2段階検出器では有益だが、YOLOv5では効果的でない。
Loss reweighingは性能低下をもたらす可能性がある。
Цитати
"Extensive research has been dedicated to addressing foreground-background imbalance, particularly in single-stage detectors where its impact is more pronounced."
"Models deployed on the edge typically are trained to detect a limited range of object classes, unlike the extensive variety found in standard datasets."