Remix：再平衡 Mixup

深度图像分类器在训练数据严重类别不平衡时往往表现不佳。本文中，我们提出一种新的正则化技术 Remix，它放宽了 Mixup 的形式并使得特征和标签的混合因子能够解耦。具体而言，在混合两个样本时，虽然特征以与 Mixup 相同的方式混合，但 Remix 通过给少数类赋予不成比例更高的权重，使标签偏向于少数类。通过这种方式，分类器学习将决策边界推向多数类，并平衡多数类与少数类之间的泛化误差。我们在类别不平衡条件下研究了最先进的正则化技术如 Mixup、Manifold Mixup 和 CutMix，并表明所提出的 Remix 在由 CIFAR-10、CIFAR-100 和 CINIC-10 构建的不平衡数据集上显著优于这些最先进方法以及若干重加权和重采样技术。我们还在真实世界大规模不平衡数据集 iNaturalist 2018 上评估了 Remix。实验结果证实 Remix 相较先前方法提供了一致且显著的改进。