GAMMA：用于专注式海洋垃圾检测的 generative augmentation 方法
计算机视觉与模式识别
2022-12-08 v1
摘要
我们提出一种高效且生成式的增强方法，以解决用于视觉检测的 underwater debris 数据不足的问题。我们使用 cycleGAN 作为一种数据增强技术，将公开可用的、丰富的陆地塑料数据转换为水下风格图像。先前的工作仅关注于增强或改进现有数据，这反而给数据集增加了偏差。与我们的技术相比，我们的方法设计了变化，将额外的空气中塑料数据转换到海洋背景中。我们还提出了一种利用注意力机制的水下垃圾检测新架构。我们的方法有助于仅关注图像中相关的实例，从而提升检测器性能，这在使用自主水下航行器（AUV）检测海洋垃圾时是非常必要的。我们使用我们的方法对海洋垃圾检测进行了大量实验。定量与定性结果展示了我们框架的潜力，其显著优于最先进的方法。
引用
@article{arxiv.2212.03759,
title = {GAMMA: Generative Augmentation for Attentive Marine Debris Detection},
author = {Vaishnavi Khindkar and Janhavi Khindkar},
journal= {arXiv preprint arXiv:2212.03759},
year = {2022}
}