目标检测中的数据类别不均衡问题总结

目标检测中的数据类别不均衡问题

1. 问题概述

在目标检测任务中存在各种各样的不均衡问题（参考 目标检测领域中的数据不均衡问题综述），这里仅仅针对数据类别不均衡问题，就是下表的前景类别间不均衡问题，也是我们常说的长尾数据问题。当然这个问题并非是检测任务才有，其他的比如分类任务也是一样存在的，可能有区别的是，对于检测来说，是每个类别的 bbox 数量而不是图片数量。

2. 解决思路

2.1 从数据着手

从数据上来说，哪一类少就增加哪一类，但是如果要去收集代价可能又太大了，有时候甚至是不可能。

• 重采样（re-sampling）

  工程上最廉价的方式，直接对较少的类别数据进行重采样，使得数量增加。

• 数据合成

  简单的比如通过crop & paste 的方式增加少类别样本，甚至是 GAN 等方式。

2.2 从 Loss 着手

• 重加权（re-weighting）

  比如以