本文介绍一篇最新的研究，目前已被NeurIPS 2020接收：Rethinking the Value of Labels for Improving Class-Imbalanced Learning。

这项工作主要研究一个经典而又非常实际且常见的问题：数据类别不平衡（也泛称数据长尾分布）下的分类问题。我们通过理论推导和大量实验发现，半监督和自监督均能显著提升不平衡数据下的学习表现。

论文下载：https://arxiv.org/abs/2006.07529

目前代码（以及相应数据，30多个预训练好的模型）也已开源，Github链接如下： https://github.com/YyzHarry/imbalanced-semi-self

点击这里阅读论文的中文解读。

内容中包含的图片若涉及版权问题，请及时与我们联系删除