图像识别，超图特征增强和自适应逻辑调整的长尾视觉识别（HALR）算法.docx

原文信息 论文题目：Dual-branch Network with Hypergraph Feature Augmentation and Adaptive Logits Adjustment for Long-tailed Visual Recognition 录用期刊：Applied Soft Computing （中科院一区、TOP期刊） 作者列表 1) 韩佳艺 中国石油大学（北京）人工智能学院 控制科学与工程 博22级 2) 刘建伟 中国石油大学（北京）人工智能学院 自动化系 教师 3) 徐璟东 中国石油大学（北京）人工智能学院 控制科学与工程 硕22级 摘要 本文提出了一种基于解耦学习框架的超图特征增强和自适应逻辑调整的长尾视觉识别（HALR）算法。对于表征学习任务，我们从混合输入样本中提取超图特征，以捕获图像的全局空间上下文语义信息。对于分类器学习任务，我们提出了一个自适应逻辑调整函数，该函数自动纠正预测分数偏差，从而产生鲁棒决策边界。 背景与动机 长尾分布存在数据稀缺性和显著的类不平衡问题，导致模型对头类的预测倾向增加，对尾类的预测性能降低。传统的长尾学习方法可以缓解尾