AAAI 2024 | 用于长尾识别的解耦对比学习

主要观点总结

本文主要介绍了一篇关于用于长尾识别的解耦对比学习（Decoupled Contrastive Learning for Long-Tailed Recognition）的论文。论文提出了创新性的解耦监督对比学习（DSCL）方法和基于补丁的自蒸馏（PBSD）策略，以解决长尾识别问题。

关键观点总结

关键观点1: 解耦监督对比学习（DSCL）

DSCL解决了监督对比学习（SCL）在长尾识别中的不足。它通过解耦两种正样本并添加不同的权重，确保在不同类别之间对类别内距离进行更平衡的优化。

关键观点2: 基于补丁的自蒸馏（PBSD）策略

PBSD利用基于补丁的特征来编码视觉模式，通过计算实例与补丁特征间的相似性挖掘不同类别间共享的视觉模式，并利用自蒸馏损失保持样本间相似性关系，将知识从头部类别转移到尾部类别。

关键观点3: 实验验证

论文在多个长尾分类基准上进行了实验，证明了所提出方法的有效性。例如，在ImageNet-LT数据集上，论文方法达到了57.7%的top-1准确率，与基于集成的方法相结合，性能可进一步提高到59.7%。