通过定制数据增强提升交通标志识别：应对类别不平衡与实例稀缺
计算机视觉与模式识别
2024-06-07 v1 人工智能
摘要
本文解决了交通标志识别(TSR)中的关键挑战，这对道路安全至关重要——具体而言，是数据集中的类别不平衡和实例稀缺问题。我们引入了定制的数据增强技术，包括合成图像生成、几何变换以及一种新颖的基于障碍物的增强方法，以提高数据集质量，从而提升模型的鲁棒性和准确性。我们的方法结合了多种增强过程，以准确模拟真实世界条件，从而扩展训练数据的多样性和代表性。我们的研究结果表明，TSR模型的性能得到了显著提升，对交通标志识别系统具有重要影响。这项研究不仅解决了TSR中的数据集局限性，还为不同地区和应用中的类似挑战提出了一个模型，标志着计算机视觉和交通标志识别系统领域向前迈进了一步。
引用
@article{arxiv.2406.03576,
title = {Enhancing Traffic Sign Recognition with Tailored Data Augmentation: Addressing Class Imbalance and Instance Scarcity},
author = {Ulan Alsiyeu and Zhasdauren Duisebekov},
journal= {arXiv preprint arXiv:2406.03576},
year = {2024}
}