解决实例分割中的长尾问题，增益5个点。FASA，cvpr2021

FASA：Feature Augmentation and Sampling Adaptation for Long-Tailed Instance Segmentation

论文地址：https://arxiv.org/abs/2102.12867

方法详情，戳here。

所谓长尾问题，指训练集中少数类（头类）占大多数样本，大多数类（尾类）占少量样本。是类别分布不均衡的问题

摘要

为解决长尾问题，我们提出了一种有效的方法，Feature Augmentation and Sampling Adaptation(FASA), 该方法对rare class的特征空间进行增广。FA和FS仅在训练时候用到。根据之前迭代训练过程中特征图，计算特征的均值和方差，根据均值和方法进行FA。为避免过拟合，根据loss来调节特征增广的频率。FASA不需要修改loss，也不需要预训练，也不用手动定义头类和尾类。可作为一个插件模块，在训练的时候使用。将FASA应用在长尾的分类任务中，取得了state-of-the-art-performance的结果。

实验