摘要

尽管深度神经网络近年来取得了显著成功，但在视觉识别任务中有效建模长尾类别分布仍然是一个重大挑战。为解决这一问题，我们首先通过消融实验深入分析了两阶段学习框架的性能瓶颈。基于这一发现，我们提出了一种统一的分布对齐策略，用于长尾视觉识别。具体而言，我们设计了一种自适应校准函数，能够针对每个数据点动态调整分类得分。随后，在两阶段学习框架中引入了一种广义重加权方法，以平衡类别先验分布，从而为视觉识别任务中多样化的场景提供一种灵活且统一的解决方案。我们在四个任务上进行了大量实验验证，包括图像分类、语义分割、目标检测和实例分割。实验结果表明，所提方法在所有四项识别任务上均取得了当前最优性能，且仅依赖于一个简单而统一的框架。相关代码与模型将公开发布于：https://github.com/Megvii-BaseDetection/DisAlign