有点懂在干嘛了
本质上就使用不同策略训练特征提取部分跟分类器
长尾学习来说 backbone一般常用cross entropy这种非重加权的损失函数来学习通用特征
分类器再用重采样或重加权来学习少数特征
放到语义分割来说
就是先跑一次一般训练
然后冻结encoder 然后再训练decoder
但decoder不知道要重train多少
最后一层 还是 整个
唉 没啥能照抄的东西 麻烦