接上一篇
BAGS小结(CVPR2020 Oral Paper)
?
今天继续分享一篇有意思的paper，关于长尾分布下的目标检测问题。
Code
Equalization Loss for Long-Tailed Object Recognition
该方法主要关注large-scale目标检测数据集上的长尾分布问题，在最新的LVIS数据上达到了SOTA，是LVIS Challenge冠军。所提出的方法不仅可以应用到目标检测，作者还给出了一种基于softmax分类的EQLoss，很有趣。
所谓长尾分布，简单来说就是指类别很多且极不平衡，头部类别少尾部类别多，比如这样：
论文首先回顾了传统的softmax-cross-entropy-loss和sigmoid-cross-entropy-loss来引出问题。
Softmax Cross-Entropy：