ColMix——一种提升航拍图像目标检测器性能与鲁棒性的简单数据增强框架
计算机视觉与模式识别
2023-05-24 v1 人工智能
机器学习
图像与视频处理
摘要
在过去十年中，基于卷积神经网络（CNN）与 transformer 的目标检测器已在大量数据集上取得高性能。尽管多数检测文献是在 MS COCO 等数据集上发展出该能力，这些检测器在遥感应用中仍被证明有效。该特定领域的挑战，如标注目标数量少与目标密度低，阻碍了整体性能。本工作中，我们提出一种称为拼贴粘贴（collage pasting）的新颖增强方法，可在无需分割掩码的情况下增加目标密度，从而提升检测器性能。我们证明拼贴粘贴在精度与召回率上超越相关方法（如马赛克增强），并实现对目标密度的更强控制。然而，我们发现拼贴粘贴易受某些分布外偏移（如图像损坏）的影响。为此，我们引入两种将拼贴粘贴与 PixMix 增强方法结合的简单途径，并将组合技术称为 ColMix。通过大量实验，我们表明采用 ColMix 所得的检测器在航拍图像数据集上性能更优，且对各类损坏具有鲁棒性。
引用
@article{arxiv.2305.13509,
title = {ColMix -- A Simple Data Augmentation Framework to Improve Object Detector Performance and Robustness in Aerial Images},
author = {Cuong Ly and Grayson Jorgenson and Dan Rosa de Jesus and Henry Kvinge and Adam Attarian and Yijing Watkins},
journal= {arXiv preprint arXiv:2305.13509},
year = {2023}
}