深度长尾学习综述
1.项目介绍
在过去的十年中,深度学习已经成为学习高质量图像表示的强大识别模型,并在通用视觉识别上取得了显著突破。然而,长尾类别不平衡是实际视觉识别任务中的一个常见问题,它常常限制了基于深度网络的识别模型在实际应用中的实用性,因为它们很容易偏向于多数类,而在尾部类上的性能很差。为了解决这个问题,近年来进行了大量的研究,在深度长尾学习领域取得了可喜的进展。
2021年颜水成团队发了一篇关于深度长尾学习的综述文章:Deep Long-Tailed Learning: A Survey,以总结这一领域的进展。这篇文章是长尾学习领域第一篇系统综述,非常值得阅读。
因为这篇文章篇幅较长,通读需要花费很长时间;而很多同学只是在具体的任务中遇到了长尾问题,比如图神经网络、声纳图像识别、医学图像分割等,这时候去网上找相关资料需要花费大量时间,而且通常找到的资料不系统、不全面。对于英语不太好的同学来说,在阅读英文论文时就失去了快速浏览的能力,难以对一篇文章的主要内容快速把握。
因此,我完整翻译了这篇综述文章:Deep Long-Tailed Learning: A Survey,希望能对想了解长尾学习的同学有所帮助。项目地址:A-Long-Tailed-Survey。
2.资源
为方便阅读,我把原文中所有的图、表都进行了重绘(部分如下所示),并把这些图片pdf版、表格latex代码以及参考文献的bib格式文件开放在了github上,方便读者使用。
本项目开放了:
1)中文版的《深度长尾学习:综述》.pdf文件;
2)文中图片的.pdf原图;
3)表格的latex代码;
4)参考文献的.bib和.txt文件;
3.引用
如果你的工作中用到了这篇论文的内容,请引用英文原文(顺便点个⭐️!😊)。
@article{zhang2021deep,
title={Deep long-tailed learning: A survey},
author={Zhang, Yifan and Kang, Bingyi and Hooi, Bryan and Yan, Shuicheng and Feng, Jiashi},
journal={arXiv preprint arXiv:2110.04596},
year={2021}
}