logit adjustment

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。

应对长尾分布的常用策略包括重采样、损失函数加权（如focal loss）、分类器再平衡（如logit adjustment）以及将尾部类别合并为超类。