合成数据能否改善遥感图像目标检测结果?
计算机视觉与模式识别
2020-06-11 v1
摘要
深度学习方法需要足够的训练样本才能表现良好,但收集足够真实训练数据并人工标注是一项挑战。在本文中,我们提出使用具有广泛分布的逼真合成数据来改善遥感图像飞机检测的性能。具体而言,为增加合成数据的多样性,我们在渲染过程中随机设置实例尺寸和背景图像类别等参数。为使合成图像更逼真,随后利用CycleGAN结合真实无标注图像在像素级对合成图像进行精炼。我们还使用少量真实数据对模型进行微调,以获得更高精度。在NWPU VHR-10、UCAS-AOD和DIOR数据集上的实验表明,所提方法可用于增补不足的真实数据。
引用
@article{arxiv.2006.05015,
title = {Can Synthetic Data Improve Object Detection Results for Remote Sensing Images?},
author = {Weixing Liu and Jun Liu and Bin Luo},
journal= {arXiv preprint arXiv:2006.05015},
year = {2020}
}
备注
5 pages, 5 figures