面向长尾识别的混淆感知谱正则化器
计算工程、金融与科学
2026-03-18 v1
摘要
长尾图像分类始终是持久挑战，因现实数据通常遵循高度不平衡分布，其中少数头类占主导，许多尾类仅含有限样本。此不平衡偏向特征学习聚焦于头类，导致尾类的显著性能下降。尽管近期研究提出抽样、加权和解耦学习策略，但对最少数代表类的改进仍在整体准确率方面有限。本文提出以混淆为中心的视角，显式聚焦最差类别泛化。我们首先建立类别特定误差分析的新型理论框架，指出最差类别误差可严格上界为频率加权混淆矩阵的谱范数加上模型相关复杂度项。基于此洞见，我们提出混淆感知谱正则化器 (CAR)，在训练期间最小化混淆矩阵的谱范数，以减少类别间混淆并提升尾类泛化。为实现稳定高效优化，CAR 集成可微混淆矩阵替代品与 EMA 基于混淆估计器，以保持跨小批量的平滑低方差估计。广泛实验表明，CAR 在最差类别准确率和整体性能方面均显著提升。结合 ConCutMix 数据增强，CAR 在 ImageNet-LT、CIFAR100-LT 和 iNaturalist 数据集上，以训练从头设置和微调自预训练两种情形，均稳居现有长尾学习方法之上（分别提升 2.37%~4.83% 和 2.42%~4.17%）。
引用
@article{arxiv.2603.16732,
title = {Confusion-Aware Spectral Regularizer for Long-Tailed Recognition},
author = {Ziquan Zhu and Gaojie Jin and Hanruo Zhu and Si-Yuan Lu and Yunxiao Zhang and Zeyu Fu and Ronghui Mu and Guoqiang Zhang and Zhao Sun and Xia Yuhang and Jiaxing Shang and Xiang Li and Lu Liu and Tianjin Huang},
journal= {arXiv preprint arXiv:2603.16732},
year = {2026}
}