在计算机视觉领域，尺度不平衡指的是图像数据集中特定类别或对象的大小存在显著差异，部分对象明显小于其他对象的情况。这种情况在训练计算机视觉模型时会带来很大挑战。模型可能会偏向于较大的对象或类别，从而在处理较小的对象时表现不佳。
尺度不平衡可能出现在多种场景中。例如，在卫星图像中，一些感兴趣的特征与其他特征相比可能相对微小。同样，在医学影像中，某些异常情况的尺寸可能较小。如果处理不当，尺度不平衡会导致图像分析的准确率低下以及图像分类错误。
尺度不平衡可进一步分为两类：边界框级别的尺度不平衡和特征级别的尺度不平衡。边界框级别的尺度不平衡涉及包围对象的边界框大小差异，而特征级别的尺度不平衡则侧重于从对象中提取的特征尺度变化。