基于因果推断的两阶段长尾分类研究
打开文本图片集
摘要： 为了解决数据的长尾分布容易造成网络模型识别准确度下降的问题，提出了一种基于因果推断的两阶段长尾分类模型。首先采用重加权的方法去除特征和标签之间可能存在的虚假关联；其次通过平衡微调进一步提升模型在少样本尾部类别识别的准确率。模型可分为两个阶段：第一阶段设计了具有迭代优化效果的去相关样本重加权算法以去除虚假相关，达到稳定预测的效果；第二阶段设计了基于CAM的类平衡采样算法进行平衡微调训练，使来自不平衡数据集的学习特征在所有类别之间转移和重新平衡，以提高模型在尾部类别的分类性能。（剩余13890字）