《Long-tailed Visual Recognition via Gaussian Clouded Logit Adjustment》
论文:链接: link
代码: 链接: link
设{x, y}∈T表示训练集T中的一个样本{x, y}, C类中有N个样本,且y∈{1,…, C}是ground truth标签。输入图像x的softmax损失函数为:
其中zj表示类j的预测logit。我们用下标y表示目标类,即zy表示目标logit, zj表示非目标logit, j≠ y表示非目标logit。
在反向传播中,zi上的梯度由:
在不损失一般性的情况下,我们使用二进制分类来说明。假设x来自第1类,则z1上的梯度计算为:
3.3 Classifier Re-ba