ICLR25 重新思考长尾识别中的分类器再训练：标签过平滑可以实现平衡

ICLR25 重新思考长尾识别中的分类器再训练：标签过平滑可以实现平衡

摘要

长尾数据分类面临多数类主导问题，解耦训练范式通过特征学习与分类器再训练分离取得进展。创新指标Logits Magnitude和Regularized Standard Deviation揭示了分类器优化的关键。提出的标签过度平滑（LOS）方法软化类间差异，有效抑制多数类干扰，在多个长尾数据集上实现最佳性能。