ANDA：一种应用于显著目标检测的新型数据增强技术
计算机视觉与模式识别
2019-10-04 v1
摘要
在本文中，我们提出了一种应用于显著目标检测（SOD）背景下的新型数据增强技术（ANDA）。文献中提出的如图像裁剪、旋转、翻转和缩放等标准数据增强技术仅生成已有样本的变体，提供的泛化能力有限。我们的方法的新颖之处在于通过将目标与新的背景相结合来创建新图像，同时在该新背景下保留其部分显著性；为此，ANDA技术依赖于标注显著目标与新背景之间的线性组合，其中新背景通过称为图像修复的过程移除原始显著目标而生成。我们提出的技术允许更精确地控制目标的位置和大小，同时保留背景信息。为了评估所提方法，我们训练了多个深度神经网络并比较了我们的技术对各个网络的影响。我们还将我们的方法与其他数据增强技术进行了比较。我们的研究结果表明，根据网络的不同，F度量最高可提升14.1%，平均绝对误差最高可降低2.6%。
引用
@article{arxiv.1910.01256,
title = {ANDA: A Novel Data Augmentation Technique Applied to Salient Object Detection},
author = {Daniel V. Ruiz and Bruno A. Krinski and Eduardo Todt},
journal= {arXiv preprint arXiv:1910.01256},
year = {2019}
}
备注
Accepted for presentation at the International Conference on Advanced Robotics (ICAR) 2019