平衡样本长尾分类网络

对称双分支均衡采样

用样本提供器构造平衡训练样本，结合混合优化与对比学习，让模型同时学到全面特征和精确类别边界，解决长尾分布下的类别偏差。

Zhao, Wenyi · Wei, Li · Yuhan, Li · Lu, Yang · Zhenhao, Liang · 胡恩文 · 张卫东 · 杨辉华

IEEE Transactions on Multimedia 2025

参数信息

准确率

60.7 %

技术优势

不再偏向头部类

样本提供器构造平衡训练样本，结合混合优化，使模型不再偏向头部类别，而是学到更全面的特征和更精确的类别边界。

端到端训练

模型在保持端到端训练简单性的同时，达到与复杂多阶段方法相当甚至更好的性能。

对比学习提效

通过引入对比学习，模型对平衡特征的提取能力得到加强，从而更精确地识别类别边界。

应用场景

• 长尾图像分类：用于自然场景下的长尾图像分类，直接提高尾部类别的识别准确率。
• 不平衡数据学习：在不平衡数据学习任务中构造平衡样本，缓解类别分布偏移。
• 视觉识别系统：作为视觉识别系统的骨干，提升对稀有类别的感知能力。