RSG: وحدة بسيطة ولكن فعّالة لتعلم مجموعات البيانات غير المتوازنة

تُعدّ البيانات غير المتوازنة شائعة في الممارسة العملية، وتمثّل تحديًا كبيرًا في تدريب النماذج العصبية العميقة لتحقيق أداء عام جيد على الفئات النادرة. في هذا العمل، نقترح جهازًا جديدًا لتفعيل العينات النادرة (RSG) لحل هذه المشكلة. يهدف RSG إلى إنشاء عينات جديدة للفئات النادرة أثناء التدريب، ويتميز بخصائص بارزة تتمثل في: (1) سهولة الاستخدام وملاءمة عالية، نظرًا لأنه يمكن دمجه بسهولة في أي نوع من الشبكات العصبية التلافيفية، كما يعمل بكفاءة عالية عند دمجه مع دوال خسارة مختلفة؛ (2) يُستخدم فقط خلال مرحلة التدريب، وبالتالي لا يفرض أي عبء إضافي على الشبكات العصبية العميقة أثناء مرحلة الاختبار. وقد تأكدت فعالية RSG من خلال تقييمات تجريبية واسعة النطاق. علاوةً على ذلك، باستخدام RSG، تم تحقيق نتائج تنافسية على مجموعة Imbalanced CIFAR، ونتائج رائدة من حيث الحد الأقصى للتطور على مجموعات Places-LT وImageNet-LT وiNaturalist 2018. يمكن الوصول إلى الكود المصدري عبر الرابط: https://github.com/Jianf-Wang/RSG.