Class-balanced Grouping and Sampling for Point Cloud 3D Object Detection
出自旷视,nuScenes 3D Detection Challenge的冠军。
本文更多的数据增广,训练的tricks,不是在网络层面提出新的网络结构。
MEGV
本文的创新点在于:
- DS Sampling:使得类之间的数量更平衡,以对小样本的类的处理能力
- Multi-group Head Network:用文章中的原话,“our method performs better when training all categories jointly than training each of them individually”
总体结构如下:
DS Sampling
说实话,这块感觉讲的也不是很明白,主要是sample的定义没有说明白。
但从结果来看,对最后的效果确实有提升,但从图2中看,看起来并没有很有效果。
Multi-group Head Network
设置group的原因有两个:
- group内部的类别size和shape相似,可以互相促进,学到有用的信息
- group内部的类别较为均匀ÿ