一种用于生成低质量图像的简单域偏移网络
计算机视觉与模式识别
2020-07-01 v1
摘要
深度学习系统在图像识别任务上已被证明极为成功，前提是存在大量可用训练数据，例如著名的 ImageNet 数据集。我们证明，对于使用廉价相机设备的机器人应用，低图像质量会影响分类精度，且自由可用的数据库无法被直接用于训练在机器人上使用的分类器。作为解决方案，我们提出训练一个网络来退化图像质量，以模仿特定的低质量成像系统。数值实验表明，在使用我们质量退化网络生成的图像与高质量图像联合训练的分类网络，在真实机器人系统上使用时，优于仅在高质量数据上训练的分类网络，同时比竞争的零样本域适应技术显著更易用。
引用
@article{arxiv.2006.16621,
title = {A Simple Domain Shifting Networkfor Generating Low Quality Images},
author = {Guruprasad Hegde and Avinash Nittur Ramesh and Kanchana Vaishnavi Gandikota and Roman Obermaisser and Michael Moeller},
journal= {arXiv preprint arXiv:2006.16621},
year = {2020}
}
备注
accepted ICPR 2020