知识点 › 场景挖掘与标注
长尾样本挖掘
Long-tail Mining
定义
专门捞「低频高危害」：规则枚举（异形车/施工区/动物）、相似度扩展（以图搜图找同类）、场景组合生成、失败案例聚类。长尾无法穷举，只能用「扩展 + 生成」放大覆盖。
关键要点
- 单点发现 → 相似度扩展，是把 1 个长尾变成 100 个的最便宜手段
- 评估看「新增场景簇数」而不是样本数，否则会被重复样本虚增
- 与仿真互补：真实数据保真，仿真补「采不到」的组合
- 要给长尾建台账：场景、频次、严重度、责任人、是否已进回归集
面试怎么答
讲「发现一个 → 扩展一类」的方法，并说明怎么证明扩出来的样本有价值。