头部类迁移到尾部类
M2m:Imbalanced Classification via Major-to-minor Translation
(可参考https://zhuanlan.zhihu.com/p/280693827)
通过给多数类样本增加一个扰动,使得多数类样本能够转变为少数类样本,从而获得新的少数类样本。
问题:和传统意义上数据增强的样本有所不同,这更符合分类器眼中的“增强”样本,这样得到的新样本是否真的具有少数类样本的特征?
样本与样本之间建立关系
BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning
(可参考https://zhuanlan.zhihu.com/p/556847310)
通过添加BatchFormer模块,在一个Batch里,建立单个样本与其它样本的关系,该模块能够即插即用,适用于很多工作。
少样本学习
Free Lunch for Few-Shot Learning: Distribution Calibration
(可参考https://blog.csdn.net/wei