通过合成上下文进行数据扩展的深度学习标志检测
计算机视觉与模式识别
2018-03-19 v3
摘要
无约束图像中的标志检测具有挑战性，特别是当由于高昂的标注成本而仅能获得非常稀疏的标注训练图像时。在本工作中，我们描述了一种模型训练图像合成方法，当仅有少量（例如 10 张）在真实上下文中拍摄的标注训练图像可用时，该方法能够显著提升标志检测性能，从而避免大量的人工标注成本。具体而言，我们设计了一种新颖的算法来生成合成上下文标志训练图像，以增强模型对未知背景杂波的鲁棒性，从而获得更优的标志检测性能。为了对模型性能进行基准测试，我们引入了一个新的标志检测数据集 TopLogo-10，该数据集采集自十大最受欢迎的服装/穿戴品牌标志，包含丰富的视觉上下文。大量比较表明，在使用两个真实世界标志基准数据集 FlickrLogo-32 和我们新的 TopLogo-10 进行标志检测时，我们提出的 SCL 模型优于 state-of-the-art 的替代方案。
引用
@article{arxiv.1612.09322,
title = {Deep Learning Logo Detection with Data Expansion by Synthesising Context},
author = {Hang Su and Xiatian Zhu and Shaogang Gong},
journal= {arXiv preprint arXiv:1612.09322},
year = {2018}
}