摘要

真实世界的数据分布本质上呈长尾分布，这对深度模型带来了巨大挑战。本文提出一种新方法——渐进式平衡损失与自适应特征生成器（Gradual Balanced Loss and Adaptive Feature Generator, GLAG），以缓解类别不平衡问题。GLAG首先通过渐进式平衡损失（Gradual Balanced Loss）学习一个平衡且鲁棒的特征表示模型；随后固定该特征模型，并利用表示良好的头部类别（head classes）所蕴含的知识，在特征层面增强表示不足的尾部类别（tail classes）。生成的合成样本在训练过程中与真实样本混合使用。渐进式平衡损失具有通用性，可与多种解耦训练方法结合，有效提升原始模型性能。在CIFAR100-LT、ImageNetLT和iNaturalist等长尾数据集上，GLAG均取得了当前最优（state-of-the-art）的识别效果，充分验证了其在长尾视觉识别任务中的有效性。