通过后处理预测直接匹配任意目标标签分布，无需重训模型即可用于类别不平衡识别。
Lianbao, Jin · Dayu, Lang · 雷娜
International Journal of Computer Vision 2023
Post OT 直接对训练好的模型输出做闭式后处理，可匹配任意目标分布，部署成本低。
ABL 损失不依赖训练集类别频率，避免了尾部类过拟合，对未知不平衡率更稳健。
该工作证明交叉熵损失是最优传输的平滑近似，提升了分类器的可解释性。