深度长尾学习综述

1. 项目介绍

在过去的十年中，深度学习已经成为学习高质量图像表示的强大识别模型，并在通用视觉识别上取得了显著突破。然而，长尾类别不平衡是实际视觉识别任务中的一个常见问题，它常常限制了基于深度网络的识别模型在实际应用中的实用性，因为它们很容易偏向于多数类，而在尾部类上的性能很差。为了解决这个问题，近年来进行了大量的研究，在深度长尾学习领域取得了可喜的进展。

2021年颜水成团队发了一篇关于深度长尾学习的综述文章：Deep Long-Tailed Learning: A Survey，以总结这一领域的进展。这篇文章是长尾学习领域第一篇系统综述，非常值得阅读。

因为这篇文章篇幅较长，通读需要花费很长时间；而很多同学只是在具体的任务中遇到了长尾问题，比如图神经网络、声纳图像识别、医学图像分割等，这时候去网上找相关资料需要花费大量时间，而且通常找到的资料不系统、不全面。对于英语不太好的同学来说，在阅读英文论文时就失去了快速浏览的能力，难以对一篇文章的主要内容快速把握。

本项目完整翻译了这篇综述文章：Deep Long-Tailed Learning: A Survey，希望能对想了解长尾学习的同学有所帮助。项目地址：A-Long-Tailed-Survey。

2. 资源

本项目开放了：

1）中文版的《深度长尾学习：综述》.pdf文件；

2）文中图片的.pdf原图；

3）表格的latex代码；

4）参考文献的.bib文件；

以方便读者使用。

3. 引用

如果你的工作中用到了这篇论文的内容，请引用英文原文（顺便点个star！:)）。

1
2
3
4
5
6
@article{zhang2021deep,
  title={Deep long-tailed learning: A survey},
  author={Zhang, Yifan and Kang, Bingyi and Hooi, Bryan and Yan, Shuicheng and Feng, Jiashi},
  journal={arXiv preprint arXiv:2110.04596},
  year={2021}
}