Breadcrumbs：面向长尾识别的对抗式类平衡采样
计算机视觉与模式识别
2021-05-04 v1
摘要
本文研究长尾识别问题，即每类样本数量高度不平衡。尽管使用类平衡采样训练已被证明对该问题有效，但已知其会对少样本类过拟合。我们假设这是由于样本的重复采样所致，并可通过特征空间增强来解决。提出了一种基于训练中跨周期特征回溯的新特征增强策略 EMANATE。研究表明，与类平衡采样不同，这是一种对抗式增强策略。随后引入了一种新的采样过程 Breadcrumb，以在无额外计算的情况下实现对抗式类平衡采样。在三个流行的长尾识别数据集上的实验表明，Breadcrumb 训练产生的分类器优于该问题的现有解决方案。
引用
@article{arxiv.2105.00127,
title = {Breadcrumbs: Adversarial Class-Balanced Sampling for Long-tailed Recognition},
author = {Bo Liu and Haoxiang Li and Hao Kang and Gang Hua and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:2105.00127},
year = {2021}
}