先增强后复制粘贴：面向运动场景的数据与内存高效型实例分割框架
计算机视觉与模式识别
2024-03-19 v1 多媒体
摘要
实例分割是计算机视觉中的一项基本任务，在各个行业中有着广泛的应用。近年来，随着深度学习和人工智能应用的普及，如何利用有限数据训练有效模型已成为学术界和工业界面临的紧迫问题。在视觉归纳先验挑战赛（VIPriors2023）中，参赛者必须训练一个能够在篮球场上精确定位个体的模型，同时只能使用有限数据，且不能使用迁移学习或预训练模型。我们提出了基于视觉归纳先验流传播的内存高效实例分割框架（Memory effIciency inStance Segmentation framework），该框架将数据集中固有的先验信息有效地整合到数据预处理、数据增强阶段以及推理阶段。我们团队（ACVLAB）的实验表明，即使在有限数据和内存约束下，我们的模型也取得了有前景的性能（0.509 [email protected]:0.95）。
引用
@article{arxiv.2403.11572,
title = {Augment Before Copy-Paste: Data and Memory Efficiency-Oriented Instance Segmentation Framework for Sport-scenes},
author = {Chih-Chung Hsu and Chia-Ming Lee and Ming-Shyen Wu},
journal= {arXiv preprint arXiv:2403.11572},
year = {2024}
}