长尾识别新研究提出编码器自适应评估框架

1. 13:00
   arXiv 机器学习

   长尾识别研究：何时值得进行编码器自适应

   一项关于长尾识别的研究提出受控评估框架，发现仅当表征分配变得更加不平衡时，在分类器平衡后继续进行编码器自适应才能带来实际增益。该现象在 ImageNet 规模评估与预设 1 个百分点的操作裕度下均成立，且能保持高频类别准确率，表明样本量本身不足以决定表征微调的增量价值。

当前热度 9·可比范围峰值 10（11月2日 14:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。