数据不平衡处理方法

1*1卷积核的作用

卷积核作用：特征的抽取，卷积核越大感受野越大，参数越多。

1*1卷积的作用：
1、 实现跨通道的信息交互和信息整合
2、 进行卷积核通道数的降维和升维。
不改变图片宽高。池化可以压缩宽高。通过控制卷积核的数量达到通道数大小的缩放。从而能减少参数和减少计算量。
3、 可以在保持feature map尺寸不变（即分辨率不变）的前提下大幅增加非线性特性，把网络做的很深。使网络能够表达更加复杂的特征。

数据不平衡处理方法

数据不平衡经常出现在分类问题上，数据不平衡指的是在数据集中不同类别的样本数量差距很大。
处理数据不平衡的方法：
一、从数据角度
1、主动获取：获取更多的少量样本数据
2、算法采样：上采样、下采样、生成合成数据
ADASYN为样本较少的类生成合成数据，其生成的数据与更容易学习的样本相比，更难学习。基本思想是根据学习难度的不同，对不同的少数类的样本使用加权分布。其中，更难学习的少数类的样本比那些更容易学习的少数类的样本要产生更多的合成数据。因此，ADASYN方法通过以下两种方式改善了数据分布的学习：(1)减少由于类别不平衡带来的偏差；(2)自适应地将分类决策边界转移到困难的例子。

SMOTE采样方法：从少数类创建新的合成点，以增加其基数。但是SMOTE算法也有一定的局限性。具体有两项，一是在近邻选择时，存在一定的盲目性。在算法执行过程中，需要确定Ｋ值，即选择几个近邻样本，这个需要根据具体的实验数据和实验人自己解决。二是该算法无法克服非平衡数据集的数据分布问题，容易产生分布边缘化的问题。