类别不平衡

I Am a robert girl

从频率到几何：GA-EIRFS 如何重新思考长尾 3D 检测的采样逻辑从今天觉醒,技术赋予每一个人数字生命做 LiDAR 3D 目标检测的同学，几乎都遇到过同一个困境：nuScenes 里 bicycle 的 AP 常年徘徊在 0.3 左右，而 car 轻松上 0.8。直觉告诉我们这是长尾分布问题——样本少，模型学不好。于是主流做法是重采样、重加权、focal loss 三件套轮番上阵。

【论文解读】DA-SMOTE：可学习插值系数的不平衡异常检测增强方法燃气轮机的监测数据常常同时面临类别不平衡和类间重叠两大难题：正常运行样本远远多于异常样本，而且异常的早期征兆往往藏在正常工况的边界附近，与正常样本特征高度相似。传统过采样方法在这种场景下很容易生成噪声样本，反而降低检测性能。论文Deep attention SMOTE: Data augmentation with a learnable interpolation factor for imbalanced anomaly detection of gas turbines针对上述问题，提出了一种新的数

我是有底线的