基于上下文匹配拼贴生成的水下无脊椎动物检测
计算机视觉与模式识别
2022-11-17 v1 多媒体
摘要
训练集的质量与规模常常限制许多最先进目标检测器的性能。然而，在许多场景下，收集用于训练的图像可能十分困难，更不必说收集适用于训练这些目标检测器的标注所需的成本。出于这些原因，在诸如水下基底与无脊椎动物分析数据集（DUSIA）等具有挑战性的视频数据集上，预算可能仅允许收集并提供部分标注。为应对与有限及部分标注训练相关的挑战，我们引入了上下文匹配拼贴（Context Matched Collages），其利用显式上下文标签将未使用的背景样本与现有标注数据结合，以合成额外的训练样本，从而最终改善目标检测性能。通过将一组我们生成的拼贴图像与原始训练集结合，我们使用三种不同的目标检测器在 DUSIA 上观察到性能提升，最终在该数据集上实现了最先进的目标检测性能。
引用
@article{arxiv.2211.08479,
title = {Context-Matched Collage Generation for Underwater Invertebrate Detection},
author = {R. Austin McEver and Bowen Zhang and B. S. Manjunath},
journal= {arXiv preprint arXiv:2211.08479},
year = {2022}
}