去噪扩散用于目标导向图像增强

现代农业生产越来越多地依赖结合多种数据源的集成监测系统以实现农场优化。基于空中无人机的动物健康监测是关键组成部分，但面临数据可用性有限的问题，加之场景特定问题如动物体型小、被遮挡或部分可见。迁移学习方法往往因缺乏反映特定农场条件的大规模数据集（包括动物品种、环境和行为的变化）而无法解决这一限制。因此，需要开发专门针对这些独特挑战的问题特定、动物导向的数据增强策略。为填补这一空白，我们提出了一种明确面向动物健康监测中受限数据环境的目标导向数据增强框架。我们的方法将动物从背景中分割出来，并通过变换和基于扩散的合成进行增强，以创建真实多样的场景，从而提升动物检测和监测性能。初步实验表明，与基线模型相比，我们增强后的数据集在动物检测任务上产生了更优性能。通过生成领域特定数据，我们的方法即使在数据稀缺场景下也能赋能实时动物健康监测解决方案，弥合了有限数据与实际应用之间的差距。