本報告では、ワークショップ・オン・オートノマス・ドライビング（WAD、CVPR 2019）で開催されたnuScenes 3D検出チャレンジ [17] に勝利した当社の手法を紹介します。一般的には、疎な3次元畳み込みを使用して豊富な意味的な特徴を抽出し、これらの特徴をクラスバランスの取れたマルチヘッドネットワークに供給して3D物体検出を行います。自動運転シナリオに固有の深刻なクラス不均衡問題に対処するために、よりバランスの取れたデータ分布を生成するためのクラスバランスの取れたサンプリングおよび拡張戦略を設計しました。さらに、形状が類似しているカテゴリの性能向上のために、バランスの取れたグループ化ヘッドを提案しています。チャレンジ結果に基づいて、当社の手法はPointPillars [14] ベースラインに対してすべての評価指標において大幅に優れており、nuScenesデータセットにおける最先端の検出性能を達成しています。コードはCBGSで公開されます。