平衡记忆库

长尾半监督识别

为长尾半监督学习设计的在线更新记忆库，通过缓存历史特征与伪标签并保持类重平衡，协同自适应加权模块校准训练偏差。

Wujian, Peng · Weng, Zejia · Li, Hengduo · 吴祖煊 · Jiang, Yugang

IEEE Transactions on Multimedia 2025

参数信息

准确率提升 (1%标注)

8.2 %

准确率提升 (50%标注)

4.3 %

技术优势

标签不足也能用

记忆库缓存历史特征与伪标签，在线更新并保持各类别样本数量均衡，使得在半监督场景下即使无标签数据也呈长尾分布，仍能有效训练。

训练偏差被校准

自适应加权模块与记忆库协同工作，进一步校准有偏的训练过程，提升尾部类别的识别精度。

应用场景

• 长尾分布识别：直接用于长尾分布数据集的识别任务，无需人工平衡各类别样本。
• 半监督学习：在少量标注和大量无标注数据下，利用伪标签和记忆库提升模型性能。
• 视觉识别系统：集成到视觉识别系统中，处理真实场景中类别不均衡的图像数据。
• 智能边缘计算：部署在边缘设备上，利用记忆库轻量更新机制适应长尾数据流。