ロングテール チャレンジロングテール チャレンジ

人工知能の分野では、ロングテール チャレンジは通常、機械学習や深層学習、特に視覚認識タスクを扱うときに遭遇する問題の一種を指します。ロングテールの課題は、主にクラスの不均衡 (クラスの不均衡) の問題に焦点を当てています。つまり、データ セット内で、少数のクラス (ヘッド クラス) が多数のサンプルを持っているのに対し、大多数のクラス (テール クラス) が問題になります。サンプルがわずかしかありません。この状況により、モデルはトレーニング中に高頻度カテゴリの学習特徴に偏り、低頻度カテゴリを無視するため、データセット全体に対するモデルのパフォーマンス、特にまれなカテゴリに対するパフォーマンスに影響を与えます。

学術研究では、ロングテールの課題に関する論文が増えています。たとえば、Yan Shuicheng と Feng Jiashi のチームは、シンガポール国立大学と SEA AI Lab でディープ ロングテール ラーニングの研究を実施し、関連するレビュー論文を発表しました。深いロングテールラーニング: 調査」では、深層ロングテール学習とその手法、応用について系統的に詳しく解説し、既存のロングテール学習手法がカテゴリの不均衡問題を解決できるかどうかを検証するための新しい評価指標を提案しています。