开放采样：探索分布外数据以重新平衡长尾数据集

深度神经网络在训练数据集存在极端类别不平衡时通常表现不佳。近期研究发现，以半监督方式直接使用分布外数据（即开放集样本）进行训练会损害泛化性能。本工作中，我们从贝叶斯视角理论上证明分布外数据仍可用于增强少数类。基于这一动机，我们提出一种称为开放采样（Open-sampling）的新方法，利用开放集噪声标签来重新平衡训练数据集的类别先验。对于每个开放集实例，其标签从我们预定义的、与原始类别先验分布互补的分布中采样。我们通过实验表明，开放采样不仅重新平衡了类别先验，还鼓励神经网络学习可分离的表示。大量实验证明，我们提出的方法显著优于现有的数据重新平衡方法，并能提升现有最先进方法的性能。