改进弱可辨识特征小目标识别的选定方法
计算机视觉与模式识别
2022-09-05 v2 人工智能
摘要
许多目标检测模型在小目标检测的若干难题上表现不佳，包括样本数量少、多样性缺乏以及特征表示能力弱。考虑到 GAN 属于生成模型类，其初始目标是学习模仿任意数据分布。使用恰当的 GAN 模型能够增强低精度数据，增加其数量与多样性。该方案可能带来目标检测结果的改善。此外，在深度学习模型内部引入基于 GAN 的架构可提升小目标识别的准确率。本工作提出一种结合增强的基于 GAN 的方法，以改进 VOC Pascal 数据集上的小目标检测。该方法与旋转、平移等不同的流行增强策略进行比较。实验基于 FasterRCNN 模型。
关键词
引用
@article{arxiv.2208.13591,
title = {Chosen methods of improving small object recognition with weak recognizable features},
author = {Magdalena Stachoń and Marcin Pietroń},
journal= {arXiv preprint arXiv:2208.13591},
year = {2022}
}