Dynamic Curriculum Learning for Imbalanced Data Classification ICCV_2019阅读笔记

为了解决不平衡的数据分类问题，作者设计了动态的课程学习。总的来说设计了两个课程。

• 1）、采样程序从不平衡到平衡以及从简单到复杂。
• 2）、分类loss和度量学习loss的权重调整，开始阶段关注度量学习，后面关注分类。

采样：

初始状态：如三分类开始为1:100:50:20.不平衡，

最终状态为平衡状态1:1:1:1，每一个轮次会对每一个类别做指数运算。

每一个轮次的每一个batch都根据设置的程序：有一个target分布比例以及未重采样之前的分布current。

1. 如果target小于current,那么说明该类别数据多，就需要欠采样target/current比例的j类样本，权重设置为1，其他类别为0。
2. 如果target大于current，那么说明该类别数据少，则对该类别的loss进行加权。不过采样吗？

简单anchor的度量学习：