我有一个由大约 5000 个类别的图像组成的数据集，但每个类别的图像数量从 20 到 2000 个不等，这是相当不平衡的。此外，图像数量远远不足以从头开始训练模型。我决定对预训练模型进行微调，例如 Inception 模型。
但我不确定如何处理不平衡的数据。有几种可能的方法：
- 过采样：对少数类别进行过采样。但即使采用积极的图像增强技术，我们也可能无法解决过度拟合的问题。
另外，如何从如此多类别的不平衡数据集中生成平衡批次？您对 TensorFlow 的这种管道机制有什么想法吗？
- SMOTE：我认为它对于图像等高维信号不是那么有效。
- 在每批中重视交叉熵损失。这对于单个批次可能有用，但无法处理整体不平衡。
对此有什么想法吗？任何反馈将不胜感激。