图像长尾分布(Long-Tail Distribution)问题_图像分类的尾部概率

图像长尾分布(Long-Tail Distribution)问题

Long-tail distribution problem in image datasets.

在ImageNet、COCO等常用视觉数据集中，由于经过人工预筛选，图像中的不同目标类别的数量是接近的。而在实际的视觉应用中，数据集大多服从长尾分布(long-tail distribution)，即少数类别(称为head class)占据绝大多数样本，多数类别(称为tail class)仅有少量样本。一个典型的长尾分布数据集(Open Brands商标数据集)如下图所示。

定义数据集的**不平衡率(imbalance ratio)**为类别的最大数量和最小数量之比。目前常用的一些长尾分布数据集如下：

• CIFAR100-LT：对CIFAR100的每类训练样本下采样得到的，不平衡率可以取 10 , 50