一种数据增强新方法：九点移动最小二乘（ND-MLS）
计算机视觉与模式识别
2022-08-25 v1
摘要
数据增强基于已标注数据大幅扩充所得数据量，从而节省数据收集与标注的开销与人力。我们提出一种称为九点 MLS（ND-MLS）的数据增强新方法。该方法基于图像形变的思想，依据由 ND-MLS 计算得到的控制点对图像进行形变。该方法可在短时间内为一个已有数据集生成超过 2000 张图像。为验证此数据增强方法，我们开展了覆盖计算机视觉三大主要任务（即分类、检测与分割）的广泛测试。结果表明：1）在分类中，每类使用 10 张图像训练，VGGNet 借助 ND-MLS 在 MNIST 手写数字数据集上取得 92% 的 top-1 准确率；在 Omniglot 数据集上，少样本准确率通常随字符类别增多而下降，但 ND-MLS 方法性能稳定，在 ResNet 上于 100 个不同手写字符分类任务中取得 96.5 的 top-1 准确率；2）在分割中，仅以十张原始图像为前提，DeepLab 在 bottle、horse 与 grass 测试数据集上分别取得 93.5%、85% 与 73.3% 的 m_IOU(10)，而 cat 测试数据集在 SegNet 模型下取得 86.7% 的 m_IOU(10)；3）在目标检测中，每类仅用 10 张原始图像，YOLO v4 对 bottle 与 horse 的检测率分别为 100% 与 97.2%，而 cat 数据集在 YOLO v3 下取得 93.6%。综上，ND-MLS 仅用少量数据即可在分类、目标检测与语义分割任务上表现良好。
引用
@article{arxiv.2208.11532,
title = {A novel method for data augmentation: Nine Dot Moving Least Square (ND-MLS)},
author = {Wen Yang and Rui Wang and Yanchao Zhang},
journal= {arXiv preprint arXiv:2208.11532},
year = {2022}
}
备注
16 pages,13 figures