通过动态权重平均与上下文真实采样解决基于 LiDAR 的目标检测器的类别不平衡问题
计算机视觉与模式识别
2022-10-10 v1
摘要
自动驾驶系统需要三维目标检测器，其必须可靠地感知所有存在的道路参与者以安全导航环境。然而，真实世界驾驶数据集常受数据不平衡问题困扰，这导致难以训练出在所有类别上均表现良好的模型，从而产生不理想的、不平衡的次优性能。在本工作中，我们提出一种解决该数据不平衡问题的方法。我们的方法包含两个主要组件：(i) 基于 LiDAR 的三维目标检测器，具有每类多个检测头，各检测头的损失通过动态权重平均进行修正以达成平衡。(ii) 上下文真实（GT）采样，我们通过利用语义信息以采样的真实 GT 目标来增强点云，从而改进传统的 GT 采样技术。我们在 KITTI 与 nuScenes 数据集上的实验证实了所提方法在处理数据不平衡问题上的有效性，相较现有方法取得了更好的检测精度。
引用
@article{arxiv.2210.03331,
title = {Resolving Class Imbalance for LiDAR-based Object Detector by Dynamic Weight Average and Contextual Ground Truth Sampling},
author = {Daeun Lee and Jongwon Park and Jinkyu Kim},
journal= {arXiv preprint arXiv:2210.03331},
year = {2022}
}
备注
10 pages