用于手与接触物体检测的 Background Mixup 数据增强

检测每帧视频中人手与接触物体的位置（手-物体检测）对于理解视频中的人类活动至关重要。在训练目标检测器时，一种称为 Mixup 的方法通过叠加两幅训练图像来缓解数据偏差，已被经验证明对数据增强有效。然而，在手-物体检测中，混合两幅手操作图像会产生非预期偏差，例如手和物体集中于特定区域会降低手-物体检测器识别物体边界的能力。我们提出一种称为 Background Mixup 的数据增强方法，其在利用数据混合正则化的同时减少手-物体检测中的非预期影响。我们不是混合出现手和接触物体的两幅图像，而是将目标训练图像与从外部图像源提取的不含手和接触物体的背景图像混合，并使用混合图像训练检测器。我们的实验表明，所提方法在监督与半监督学习设定下均能高效减少假阳性并提升手-物体检测性能。