ACM MM‘24 | 医学图像分类中类别增量学习的不平衡问题解决方法

论文信息

题目：Addressing Imbalance for Class Incremental Learning in Medical Image Classification

医学图像分类中类别增量学习的不平衡问题解决方法

作者：Xuze Hao, Wenqian Ni, Xuhao Jiang, Weimin Tan, Bo Yan

论文创新点

1. 提出CIL平衡分类损失函数：论文针对类别不平衡导致的分类器偏向新类和多数类问题，提出CIL平衡分类损失函数。该函数通过基于类别频率调整logit，对稀有类别给予更多关注，还引入缩放因子，进一步平衡新旧类别，有效减少分类器偏差。
2. 设计分布边际损失函数：为解决类别增量学习中，新旧类别在特征空间易重叠的问题，设计了分布边际损失函数。此函数包含两个损失项，一项推动旧类样本远离新类分布，