将域随机化应用于合成数据以进行物体类别检测
计算机视觉与模式识别
2018-07-27 v1 机器学习
机器学习
摘要
基于深度学习的物体检测技术的最新进展彻底改变了其在多个领域的适用性。然而，由于这些方法依赖庞大且难以处理的数据量，常见做法是下载在标准数据集上预训练的模型，并用一小部分领域相关图像对其进行微调以适应特定应用领域。在这项工作中，我们表明使用未必照片级逼真的合成数据集，可能比简单地微调预训练网络更好的替代方案。具体而言，我们的结果显示，在仅约 200 张标注图像可用于训练时，mAP 指标相较微调基线实现了惊人的 25% 提升。最后，我们对结果进行了消融研究，以划分随机化流程中不同组件的各自贡献。
引用
@article{arxiv.1807.09834,
title = {Applying Domain Randomization to Synthetic Data for Object Category Detection},
author = {João Borrego and Atabak Dehban and Rui Figueiredo and Plinio Moreno and Alexandre Bernardino and José Santos-Victor},
journal= {arXiv preprint arXiv:1807.09834},
year = {2018}
}
备注
17 pages, 9 figures. Under review for ACCV 2018