CBGS（类别平衡分组采样）技术与mmdetection3d中的实现

本文主要是介绍CBGS（类别平衡分组采样）技术与mmdetection3d中的实现，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. CBGS（类别平衡分组采样）

   CBGS是针对自动驾驶场景中类别分布不平衡的问题而提出的，被广泛用于3D目标检测中。CBGS将训练集中包含每个类别的帧进行分组，并从各组种随机选择相同数量的帧构建新的数据集，以保证在训练时，每个类别的数据被选择的机会相同。

2. mmdetection3d中CBGS数据集的构建算法

   设数据集共$N$帧数据，共考虑数据集中的$C$类物体，含第$c$类物体的帧数为$n_c$，则CBGS的算法会构建一个大小约为${\sum }_c{n}_c$的类平衡的新数据集（注意通常情况下${\sum }_c{n}_c\gg N$）。
   mmdetection3d中，构建CBGS数据集具体的算法流程如下：

1. 对每一类，计算$p_c=\frac{n_c}{{\sum }_c{N}_c}$；
2. 计算$f=1/C$；
3. 对每一类，计算$r_c=f/p_c$；                             # $r_c=\frac{{\sum }_c{n}_c}{C\cdot n_c}$
4. 初始化列表L=[]；
5. 对每一类，从$n_c$帧中随机挑选$m_c=n_c{r}_c$帧，将帧序号加入到列表中。   # $m_c=\frac{{\sum }_c{n}_c}{C}$

• 得到的列表L即为类平衡数据集到原始数据集的帧序号映射：若要取类平衡数据集的第i帧，实际上就是取原始数据集的第L[i]帧。

这篇关于CBGS（类别平衡分组采样）技术与mmdetection3d中的实现的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---