Mar, 2024
重新思考长尾识别中的分类器再训练：一种简单的逻辑回归重新定位方法
Rethinking Classifier Re-Training in Long-Tailed Recognition: A Simple Logits Retargeting Approach
Han Lu, Siyu Sun, Yichen Xie, Liqing Zhang, Xiaokang Yang...
TL;DR在这项研究中，我们重新评估了基于统一特征表示的分类器重新训练方法，并提出了一个称为 Logits Magnitude 的新度量作为模型性能的更好指标。通过减少平衡时 Logits Magnitude 的绝对值，可以有效减少训练过程中的错误和干扰，从而提高模型性能。基于这些发现，我们提出了一种简单的 Logits 重新目标化方法 (LORT)，无需先验知识即可将原始的 one-hot 标签分成小的真实标签概率和分布在每个类中的大的负标签概率。我们的方法在各种不平衡的数据集上取得了最先进的性能，包括 CIFAR100-LT、ImageNet-LT 和 iNaturalist2018。