使用合成图像增广数据集改进语义分割
计算机视觉与模式识别
2018-06-27 v3
摘要
尽管使用强像素级标注训练的深度卷积神经网络已显著提升了语义分割性能，但创建训练数据所需的标注工作仍是进一步改进的障碍。我们表明，用合成图像对弱标注训练数据集进行增广，可同时最小化标注工作以及捕获具有足够多样性图像的成本。在PASCAL 2012验证数据集上的评估显示，仅每类物体添加100张合成图像，平均IOU就从52.80%提升到55.47%。因此，我们的方法为解决标注与数据集收集问题提供了一种有前景的方案。
引用
@article{arxiv.1709.00849,
title = {Dataset Augmentation with Synthetic Images Improves Semantic Segmentation},
author = {Manik Goyal and Param Rajpura and Hristo Bojinov and Ravi Hegde},
journal= {arXiv preprint arXiv:1709.00849},
year = {2018}
}
备注
13 pages, 5 figures