图像长尾分布(Long-Tail Distribution)问题
Long-tail distribution problem in image datasets.
在ImageNet、COCO等常用视觉数据集中，由于经过人工预筛选，图像中的不同目标类别的数量是接近的。而在实际的视觉应用中，数据集大多服从长尾分布(long-tail distribution)，即少数类别(称为head class)占据绝大多数样本，多数类别(称为tail class)仅有少量样本。一个典型的长尾分布数据集(Open Brands商标数据集)如下图所示。
定义数据集的不平衡率(imbalance ratio)为类别的最大数量和最小数量之比。目前常用的一些长尾分布数据集如下：
- CIFAR100-LT：对CIFAR100的每类训练样本下采样得到的，不平衡率可以取$10,50,100$；测试集保持不变。
- ImageNet-LT：从ImageNet中按照Pareto分布采样得到，包含$1000$类别的$19$k张图像，最多的类别具有$1280$张图像，而最少的仅有$5$张图像