基本信息

---

下载

文档摘要

---

摘要

现实世界中的数据经常呈现长尾分布和开集现象，少数类别含有大量样本，大多数

的类别仅含有少量样本，并且存在一些未曾见过的新类别。当只面临长尾问题时，深度

学习模型对于所含样本较少的尾部类失效或效果较差；当同时面临长尾问题和开集问题

时，深度学习模型由于识别尾部类已经非常困难，更难以识别新的未知开集样本。

本文分别研究闭集场景和开集场景下的长尾识别问题，前者是测试集与训练集的类

别数量相同的封闭场景，后者是测试集比训练集类别数量更多的开放场景。本文对于两

种场景下的长尾识别做出的创新性工作