概念Long-tail Recognition / 长尾分布识别
长尾识别
机器学习中处理类别分布极度不平衡（少数类样本极少、多数类样本丰富）场景的任务范式，核心挑战是在稀有类样本有限的情况下仍能学习到判别性特征并保持整体性能。
时间轴 (近 90 天)
11月2日
长尾识别通常采用两阶段训练策略：第一阶段在原始不平衡数据上学习共享特征编码器，第二阶段固定编码器并通过重采样、重加权或分类器校正（如logit adjustment、τ-normalization）来平衡分类器。
待验证50%
机器学习中处理类别分布极度不平衡（少数类样本极少、多数类样本丰富）场景的任务范式，核心挑战是在稀有类样本有限的情况下仍能学习到判别性特征并保持整体性能。
长尾识别通常采用两阶段训练策略：第一阶段在原始不平衡数据上学习共享特征编码器，第二阶段固定编码器并通过重采样、重加权或分类器校正（如logit adjustment、τ-normalization）来平衡分类器。