Défi De La Longue Traîne

Dans le domaine de l'intelligence artificielle, le Long-Tail Challenge fait généralement référence à une classe de problèmes rencontrés dans l'apprentissage automatique et l'apprentissage profond, en particulier lorsqu'il s'agit de tâches de reconnaissance visuelle. Le défi de la longue traîne se concentre sur le problème du déséquilibre des classes, c'est-à-dire que la classe minoritaire (classe de tête) dans l'ensemble de données a un grand nombre d'échantillons, tandis que la classe majoritaire (classe de queue) n'a que quelques échantillons. Cette situation amènera le modèle à avoir tendance à apprendre les caractéristiques des catégories à haute fréquence et à ignorer les catégories à basse fréquence pendant la formation, ce qui affectera les performances du modèle sur l'ensemble de données global, en particulier sur les catégories rares.

Dans la recherche universitaire, on trouve de plus en plus d’articles sur le défi de la longue traîne. Par exemple, l’équipe de Yan Shuicheng et Feng Jiashi a mené des recherches sur l’apprentissage profond à longue traîne à l’Université nationale de Singapour et au SEA AI Lab, et a publié un article de synthèse connexe «Apprentissage profond à longue traîne : une enquête", a systématiquement exposé l'apprentissage à longue traîne en profondeur et ses méthodes et applications, et a proposé un nouvel indicateur d'évaluation pour vérifier la capacité des méthodes d'apprentissage à longue traîne existantes à résoudre le problème du déséquilibre des classes.