极市直播回放丨第73期-汤凯华：利用因果分析解决通用的长尾分布问题

长尾分布是指常见的不均衡数据分布，该问题大大降低了机器学习模型的鲁棒性，并且需要利用高昂的成本去采集罕见数据才能解决。传统的解决方案不仅依赖提前预知未来数据的分布，而且也容易对罕见数据过拟合。

本次分享，我们邀请到了来自南洋理工大学的汤凯华博士，为我们分享他团队NeurIPS 2020的论文“Long-TailedClassification by Keeping the Good and Removing the Bad Momentum Causal Effect”。该工作利用因果分析技术，首次实现不需要提前预知数据分布情况下适用的长尾分布去偏见算法。并且该方法不增加任何额外的训练负担，可以轻易适用于各种场景，如我们在图片分类，物体检测，实例分割任务上都取得了显著提升。

➤详情传送门

极市直播丨长尾分布最新技术分享！汤凯华：利用因果分析解决通用的长尾分布问题

➤论文地址

Long-TailedClassification by Keeping the Good and Removing the Bad Momentum Causal Effect

论文地址：

https://arxiv.org/abs/2009.12991

代码地址：

https://github.com/KaihuaTang/Long-Tailed-Recognition.pytorch

➤分享大纲

1.     长尾分布问题简介

2.     相关工作

3.     关于长尾分布的因果分析

4.     提出的De-confound TDE算法

5.     实验结果和优点分析

➤回放视频在这里☟（建议在pc端观看）

➤部分PPT截图