ImageNet-GLT

对于ImageNet数据集，没有ground-truth属性标签可供我们监视类内分布并构建GLT基准。但是，在所有类型的数据中，普遍存在属性的长尾分布，即类内不平衡。因此，我们可以应用聚类算法 (例如项目中的K-Means) 在每个类中创建一组聚类作为 “借口属性”。换句话说，每个集群代表这个类的元属性布局，例如，一个用于猫类别的集群可以是ginger cat In house，另一个用于猫类别的集群是black cat on street等。
请注意，我们这里的聚类属性纯粹是基于类内特征分布构建的，因此它代表了导致类内方差的各种因素，包括对象级属性 (如纹理) 或图像级属性 (如上下文)。

搜集汇总

背景与挑战

背景概述

ImageNet-GLT是基于ImageNet数据集构建的广义长尾基准，通过聚类算法在各类别内创建借口属性来模拟类内不平衡分布。该数据集由南洋理工大学、浙江大学和阿里巴巴达摩学院于2022年联合发布。