RSG：不均衡データセット学習のためのシンプルだが効果的なモジュール

実際の応用において、不均衡なデータセットは広く存在しており、特に稀少クラスに対する深層ニューラルネットワークの汎化性能を高める上で大きな課題となっている。本研究では、この問題を解決するため、新たな稀少クラスサンプル生成器（Rare-class Sample Generator, RSG）を提案する。RSGは学習過程において稀少クラス用の新たなサンプルを生成することを目的としており、特に以下の2つの利点を持つ：（1）使いやすく、汎用性が非常に高い。任意の種類の畳み込みニューラルネットワーク（CNN）に容易に統合可能であり、さまざまな損失関数と組み合わせても良好な性能を発揮する。（2）推論フェーズでは一切使用されないため、テスト段階における深層ニューラルネットワークに追加の計算負荷を課さない。広範な実験評価を通じて、RSGの有効性を確認した。さらに、RSGを活用することで、Imbalanced CIFARにおいて競争力のある結果を達成し、Places-LT、ImageNet-LT、iNaturalist 2018では新たな最先端（state-of-the-art）の性能を達成した。ソースコードは以下のURLから公開されている：https://github.com/Jianf-Wang/RSG。