不平衡视觉分类中的影响平衡损失

本文提出了一种平衡训练方法，以解决不平衡数据学习中的相关问题。为此，我们推导出一种用于平衡训练阶段的新损失函数，该损失函数能够有效缓解导致决策边界过拟合的样本所带来的负面影响。所提出的损失函数可显著提升各类不平衡学习方法的性能。在多个基准数据集上的实验结果验证了该方法的有效性，结果表明，所提出的损失函数在性能上优于当前最先进的代价敏感学习方法。此外，由于该损失函数不局限于特定任务、模型或训练方法，因此可轻松与近年来各类重采样、元学习及代价敏感学习方法相结合，用于应对类别不平衡问题。