顶刊TPAMI 2024！清华提出ProCo，无限Contrastive Pairs的长尾对比学习

文章预览

©作者 |  杜超群 单位 |  清华大学博士生 研究方向 |  长尾学习、半监督学习 本文介绍清华大学的一篇关于长尾视觉识别的论文，该工作已被 TPAMI 2024 录用，代码已开源。 该研究主要关注对比学习在长尾视觉识别任务中的应用，提出了一种新的长尾对比学习方法 ProCo，通过对 contrastive loss 的改进实现了无限数量 contrastive pairs 的对比学习，有效解决了监督对比学习 (supervised contrastive learning) [1] 对 batch (memory bank) size 大小的固有依赖问题 。 除了长尾视觉分类任务，该方法还在长尾半监督学习、长尾目标检测和平衡数据集上进行了实验，取得了显著的性能提升。   论文标题： Probabilistic Contrastive Learning for Long-Tailed Visual Recognition 论文链接： https://arxiv.org/pdf/2403.06726 代码链接： https://github.com/LeapLabTHU/ProCo 研究动机 对比学习在自监督学习中的成功表 ………………………………