arXiv cs.LG· Zexing Zhang, Jichao Li, Tianyang Lei, Yiyin Zhang, Kewei Yang·· 16 小时前AI 评分29
超越样本稀缺：长尾识别中编码器自适应何时值得进行
Beyond Scarcity: When Encoder Adaptation Is Worthwhile
AI 导读
研究提出一套受控评估框架，解耦长尾识别中的样本支持量与表征分配，用于评估分类器重平衡后继续微调编码器的增量价值。实验发现样本稀缺性本身不足以衡量表征自适应的价值，只有表征分配变得更加不平衡时，编码器自适应才会带来实质收益。该现象在 ImageNet 规模及预设的 1 个百分点运行裕度下均成立，且能保持常见类准确率。
来源：arXiv cs.LG · arxiv.org