工业实际项目里的数据集几乎很难做到各类样本数量均衡。大部分类别样本充足，少数类别样本极少，也就是数据集长尾分布。以工业缺陷检测、遥感目标检测为例，常见缺陷样本成千上万，罕见缺陷可能只有几十张标注图片。直接使用原始长尾数据集训练YOLO，模型会严重偏向样本多的大类，高频类别mAP很高，少样本类别漏检、误检严重，整体加权指标好看，但实际业务中稀有目标几乎检测不到。很多同学调参、换模型主干，精度提升有限，本质根源就是类别不平衡没有处理。