TY -的A2 -艾哈迈德,赛义德·哈桑AU -胡,浩盟——高,Mengya盟——吴,以下PY - 2021 DA - 2021/12/27 TI -缓解网络表示和分类为长尾的不相容数据分布SP - 6702625六世- 2021 AB -在真实的场景中,数据通常有一个长尾分布和培训深层神经网络这种不平衡数据集已经成为一个巨大的挑战。长尾的数据分布造成的主要问题是常见的类将主导培训结果和达到一个非常低的精度稀有类。最近的研究集中在改善网络表示能力克服长尾问题,而总是忽略了网络分类器适应长尾的情况下,这将导致网络表示的“不兼容”的问题和网络分类器。在本文中,我们使用知识蒸馏解决长尾数据分布问题,充分优化网络同时表示和分类器。我们建议multiexperts知识与class-balanced抽样蒸馏,共同学习高质量网络表示和分类器。同样,一个通道activation-based知识蒸馏方法也提出了进一步提高性能。最先进的性能在一些大规模的长尾分类数据集展示了我们的方法的优越的泛化。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/6702625 - 10.1155 / 2021/6702625摩根富林明计算智力和神经科学PB - Hindawi KW - ER