【读论文0623】Overcoming Classifier Imbalance for Long-tail Object Detection with Balanced Group Softmax

题目：Overcoming Classifier Imbalance for Long-tail Object Detection with Balanced Group Softmax

code: https://github.com/FishYuLi/BalancedGroupSoftmax
发表在： CVPR2020
阅读日期：2021 0623

problem: long-tail large vocabulary object detection.
intuition: weight norms和category samples数量有关。 category samples 平衡了，weight norms就都差不多。category samples 分布倾斜了，数量多的模大。

the category weight norms are imbalanced and positively correlated with the number of training instances.

解决方案：balanced group softmax (BAGS) module。即，相似数量样本的类别分为一个组（我一开始也有这个想法，后来为啥没继续想想？）每一组再加入一个“others”类，提供图样本。
Framework:

Details: 貌似文章只有section 4.1比较重要。。。这个论文分了4组，这样每个组内的数据相对平衡一点儿。
Section 4.4 中， NMS是 非极大值抑制（Non-Maximum Suppression）。
思考：这个分组个数应该影响很大。最后这个NMS操作不是很明白怎么操作的，需要看代码。(20:07添加: NMS是detection里常用的,分类没怎么用)
启发性：***