通过类间风格增强生成的类别平衡水下目标检测数据集
计算机视觉与模式识别
2021-01-21 v1
摘要
水下目标检测技术对于水下场景中的各类应用具有重要意义。然而，类别不平衡问题仍是当前水下目标检测算法尚未解决的瓶颈。它导致不同类别间精度差异巨大：拥有更多训练数据的主导类别获得更高的检测精度，而训练数据较少的少数类别检测精度则低得多。本文提出一种新颖的类间风格增强（CWSA）算法，从公开竞赛水下数据集 URPC2018 生成类别平衡的水下数据集 Balance18。CWSA 是一种新型数据增强技术，通过为少数类别生成多种颜色、纹理与对比度来扩充其训练数据。与翻转、裁剪和旋转等先前的数据增强算法相比，CWSA 能够生成具有多样色彩失真与雾效的类别平衡水下数据集。
引用
@article{arxiv.2101.07959,
title = {Class balanced underwater object detection dataset generated by class-wise style augmentation},
author = {Long Chen and Junyu Dong and Huiyu Zhou},
journal= {arXiv preprint arXiv:2101.07959},
year = {2021}
}