类平衡损失：以有效样本数为基础的类平衡方法。CVPR 2019

简介：
本文在CVPR 2019上提出了一种基于有效样本数的类平衡方法——类平衡损失，旨在解决类别不平衡问题，提高模型性能。 本段落的Tensorflow代码基于有效样本数进行类平衡损失计算。所使用的环境为Python 3.6与TensorFlow 1.14版本，并采用长尾数据集（CIFAR）。所有使用到的数据均以.tfrecords格式提供，这些数据由src/generate_cifar_tfrecords.py脚本生成原始CIFAR数据及src/generate_cifar_tfrecords_im.py脚本用于生成长尾CIFAR。有效样本数的直观显示可以参考data.ipynb文件。 关键实施细节如下： - 培训与评估：我们提供了3个.sh脚本来进行模型训练和性能评估。