PI-H2T: Enhancing Long-Tailed Visual Recognition with Permutation-Invariant and Head-to-Tail Feature Fusion
PI-H2T：通过排列不变和头到尾特征融合增强长尾视觉识别
机构 * Guangdong Provincial Key Laboratory of Visual Media and Multidimensional Intelligence, CSSE, Shenzhen University, China（广东省视觉媒体与多维智能重点实验室，计算机科学与电子技术学院，深圳大学，中国） ； Fujian Key Laboratory of Sensing and Computing for Smart City, School of Informatics, Xiamen University, China（福建省智慧城市感知与计算重点实验室，信息学院，厦门大学，中国） ； Department of Computer Science, Hong Kong Baptist University, China（计算机科学系，香港 Baptist 大学，中国） ； Inspur Smart City Technology Co., Ltd., China（Inspur 智能城市技术有限公司，中国）
AI总结 针对长尾数据不平衡致深度学习模型准确率低的问题，提出PI-H2T方法，通过排列不变表示融合增强表示空间，利用头到尾融合调整分类器，经理论分析和实验验证其有效性，且可无缝集成到现有方法中提升性能。
Comments accpeted by TPAMI in 2026
Journal ref 10.1109/TPAMI.2026.3711911
