面向长尾识别的标签出现均衡Mixup

Mixup是一种流行的数据增强方法，其后相继提出了许多变体。这些方法主要通过随机数据对及其对应one-hot标签的凸组合来创建新样本。然而，它们大多遵循随机采样与混合策略，未考虑混合过程中标签出现的频率。当将mixup应用于长尾数据时，会出现标签抑制问题，即各类别标签出现频率不均衡，且大多数新样本会被完全或部分赋予头部标签。该抑制效应可能进一步加剧数据不平衡问题，并导致尾部类别性能不佳。为解决此问题，我们提出标签出现均衡Mixup（Label-Occurrence-Balanced Mixup），在增强数据的同时保持各类别标签出现在统计上均衡。简而言之，我们采用两个独立的类均衡采样器选取数据对并混合生成新数据。我们在多个长尾视觉与声音识别基准上测试了该方法。实验结果表明，我们的方法显著提升了mixup方法对不平衡数据的适应性，并优于最先进的长尾学习方法。