Deep Learning Lab Course Project딥러닝 실험 수업 프로젝트
CIFAR-100 Long-Tail Classification Project CIFAR-100 롱테일 분류 프로젝트
This project addresses the long-tail classification problem on CIFAR-100 dataset. We built a hierarchical scheme clustering 100 classes into 20 superclasses and applied a two-stage retraining approach with class-balanced sampling and LDAM (Large Margin Cosine Loss) to improve performance on tail classes.
CIFAR-100 데이터셋의 롱테일 분류 문제를 다룬 프로젝트입니다. 100개 클래스를 20개 슈퍼클래스로 묶는 계층 구조를 설계하고, 클래스 균형 샘플링과 LDAM(Large Margin Cosine Loss)을 활용한 2단계 재학습으로 테일 클래스 성능을 개선했습니다.
Methodology방법론
- Hierarchical Clustering: 100 classes → 20 superclasses
- Loss Function: L_class + α·L_superclass
- Two-stage Training: Class-balanced sampling + LDAM
- Dataset: CIFAR-100 with long-tail distribution
- 계층적 클러스터링: 100개 클래스 → 20개 슈퍼클래스
- 손실 함수: L_class + α·L_superclass
- 2단계 학습: 클래스 균형 샘플링 + LDAM
- 데이터셋: 롱테일 분포의 CIFAR-100
Key Results주요 결과
Overall Top-1 Accuracy전체 Top-1 정확도
48.8% → 75.7%
+26.9%p improvement+26.9%p 향상
Tail Classes테일 클래스
36.6% → 70.3%
+33.7%p improvement+33.7%p 향상
- Significant improvement in tail class recognition
- Effective hierarchical learning approach
- 테일 클래스 인식률의 뚜렷한 개선
- 계층적 학습 접근법의 효과 입증