一种面向改进机器人海洋垃圾检测的生成式方法
计算机视觉与模式识别
2019-10-14 v1 机器人学
摘要
本文提出一种方法，以解决用于海洋垃圾视觉检测的水下图像数据集中的数据稀缺问题。所提方法依赖于一个两阶段变分自编码器（VAE）和一个二分类器，以评估生成图像的质量与真实感。两阶段 VAE 生成的图像中，二分类器筛选出“高质量”图像并用其扩充给定数据集。最后，使用一个多分类器，通过在真实与生成垃圾图像组合上训练的目标检测器精度来衡量扩充过程的影响。我们的结果表明，用扩充数据训练的分类器优于仅用真实数据训练的分类器。该方法不仅适用于本文所述的水下垃圾分类问题，也将对任何难以或无法收集更多图像的数据依赖型任务有用。
引用
@article{arxiv.1910.04754,
title = {A Generative Approach Towards Improved Robotic Detection of Marine Litter},
author = {Jungseok Hong and Michael Fulton and Junaed Sattar},
journal= {arXiv preprint arXiv:1910.04754},
year = {2019}
}