弯曲与破损的自行车：利用合成数据用于受损物体重识别
计算机视觉与模式识别
2023-04-18 v1 图形学
机器学习
摘要
实例级物体重识别是一项基础计算机视觉任务，应用涵盖图像检索、智能监控与欺诈检测。本文提出新颖的受损物体重识别任务，旨在区分因形变或部件缺失导致的视觉外观变化与细微的类的内变异。为探索该任务，我们利用计算机生成图像的力量，以半自动方式创建同一自行车在受损发生前与后高质量合成图像。所得数据集Bent & Broken Bicycles（BBBicycles）包含39,200张图像和2,800个独特自行车实例，涵盖20种不同自行车模型。作为该任务的基线，我们提出TransReI3D，一种基于transformer的多任务深度网络，将损伤检测（框定为多标签分类任务）与物体重识别统一。BBBicycles数据集可在 https://huggingface.co/datasets/GrainsPolito/BBBicycles 获取。
引用
@article{arxiv.2304.07883,
title = {Bent & Broken Bicycles: Leveraging synthetic data for damaged object re-identification},
author = {Luca Piano and Filippo Gabriele Pratticò and Alessandro Sebastian Russo and Lorenzo Lanari and Lia Morra and Fabrizio Lamberti},
journal= {arXiv preprint arXiv:2304.07883},
year = {2023}
}