寻找反射点：用于从大型开源图像数据集中移除数据增强痕迹的图像去填充技术
计算机视觉与模式识别
2025-04-07 v1
摘要
本文针对机器学习数据集整理中的一个新型图像修复问题，即检测并移除噪声镜像填充痕迹。虽然填充是标准化图像尺寸的必要数据增强技术，但可能引入可被数据集跨域再利用时降低模型评估的痕迹。我们提出了一种系统性算法，通过最小均方误差方法结合阈值处理以精确描绘反射边界并移除反射填充。该方法有效识别即使在压缩或插值噪声存在的情况下，真实内容与其镜像版本之间的转换。我们在 SHEL5k 数据集上展示了该算法的有效性，显示在使用 OWLv2进行零样本目标检测任务时的显著性能提升，硬帽检测的平均精度从 0.47 提升至 0.61，人员检测的平均精度从 0.68 提升至 0.73。通过解决填充区域中注释不一致和畸形对象的问题，我们的方法增强了数据集的完整性，使计算机视觉任务实现更可靠的模型评估。
引用
@article{arxiv.2504.03168,
title = {Finding the Reflection Point: Unpadding Images to Remove Data Augmentation Artifacts in Large Open Source Image Datasets for Machine Learning},
author = {Lucas Choi and Ross Greer},
journal= {arXiv preprint arXiv:2504.03168},
year = {2025}
}