人工智能学院高金彤同学以第一作者身份撰写的科研论文被CCF-A类会议NeurIPS 2023会议接收。

NeurIPS，全称神经信息处理系统大会(Conference and Workshop on Neural Information Processing Systems)，该会议固定在每年的12月举行，由NIPS基金会主办。NeurIPS为人工智能领域全球最高级别的学术会议之一，是CCF-A类国际学术会议。

论文题目：Enhancing Minority Classes by Mixing: An Adaptative Optimal Transport Approach for Long-tailed Classification

指导教师：郭丹丹

收录会议：NeurIPS 2023

会议类别：CCF-A

论文概述：

真实世界的数据通常面临严重的类不平衡问题，其中训练集中多数类的样本数量明显大于少数类图像。一个有效的解决方案是使用基于混合的方法来生成增广样本，以增加少数类图像的样本数。之前的方法以随机的方式混合来自多数类的图像作为背景信息和来自少数类的图像作为前景信息，这忽略了样本间的语义相似性，会导致生成语义不合理的增广图像。为了解决这个问题，我们提出了一种基于最优传输（Optimal transport）的自适应图像混合方法（OTmix），该方法结合了Class-level和Sample-level的信息，能够为少数类生成语义合理且更有意义的混合样本。由于其灵活性，OTmix可以与现有的长尾分类方法相结合以提高整体性能，也可以作为平衡数据集的通用数据增广方法。大量实验结果表明，我们的方法在长尾分类任务中取得了有效的性能。