长尾分布下少样本类别识别
通过对抗式混合数据增强与新型损失函数刻画类间边界，显著提升长尾分布下少样本类别的识别精度。
Peng, Ru · 陈星宇 · 兰旭光
IEEE Transactions on Consumer Electronics 2025
通过动态优化的Mixup生成边界样本，改善模糊边界的预测能力，从而更好地区分稀有类别。
引入MixCo损失，考虑Mixup生成目标的非one-hot分布，提升与增强数据的一致性，加速优化。
AMCL实现简单，并在多个长尾数据集上超过近期方法，包括ImageNet-LT、iNaturalist18、CIFAR-10-LT和CIFAR-100-LT。