多标签长尾学习的鲁棒非对称损失

本文提出了一种鲁棒的不对称损失函数，解决长尾和多标签分类问题，适用于医学图像分类任务。该方法能够缓解超参数优化困难和模型过拟合的风险，实验证明在长尾多标签医学图像分类和其他长尾单标签数据集上具有较好的性能，并在ICCV CVAMD 2023竞赛的CXR-LT数据集上取得Top-5结果。