ETF-AM

新方法可防止长尾识别中的人工智能模型过度收缩

研究人员开发了一种新的长尾识别（LTR）方法，解决了现有神经崩溃（NC）方法中尾部类别过度收缩的问题。他们的方法，即可控部分神经崩溃，使用了类别自适应稀疏激活（CASA）和ETF约束自适应边距（ETF-AM）损失。这种方法允许头部类别崩溃，同时保留尾部类别的类内多样性，从而提高了在CIFAR100-LT和ImageNet-LT等数据集上的准确性。