来源：期刊VIP网 时间：
作者：孔令权;翟俊海;
单位：河北大学数学与信息科学学院;河北省机器学习与计算智能重点实验室(河北大学);
摘要：长尾识别是计算机视觉领域最具挑战性的问题之一。在现实世界中长尾识别具有广泛的应用，研究长尾识别具有重要意义。对于长尾分布数据来说，由于类与类之间样本量不平衡，以及占比众多的尾部类缺少足够的训练样本，使其在训练过程中很难找到各类间的明确界限。为解决这一问题，将元预训练和监督对比学习结合起来，提出了基于平衡对比学习策略的长尾识别方法MBCP-BB(meta balanced contrastive pre-training and batch balance)。MBCP-BB采用解耦学习方式进行模型训练：通过预训练获得具有优异特征表示能力的特征提取器，在微调阶段，固定特征提取器，重新训练分类器。该方法突出特征学习的重要性，设计了平衡对比学习策略指导特征学习过程，从而使监督对比学习技术能有效应用于长尾识别场景。进行特征学习时，首先适当减少头部类样本，并利用少样本图像生成技术为尾部类生成新样本；之后以每类的类原型作为补充样本用于训练。解耦学习训练模式下，充分挖掘了特征提取器与分类器的潜力，在增强模型特征学习能力的同时，大大简化了分类器的训练过程。在几个长尾基准数据集上进行了大量实验，并与7个代表性的算法从多个角度进行了实验比较，实验结果表明该方法优于比较的算法。
关键词：长尾识别;元学习;预训练;监督对比学习;批次平衡训练
基金资助：河北省科技计划重点研发项目(19210310D); 河北省自然科学基金(F2017201026)
