用于航拍图像中车辆检测的 generative 数据增强
计算机视觉与模式识别
2020-12-10 v1 机器学习
图像与视频处理
摘要
训练数据匮乏是需要大量数据的深度网络的突出问题之一。数据增强是一种广泛使用的增加训练样本数量及其多样性的方法。本文聚焦于提升航拍图像中的车辆检测性能，提出了一种生成式增强方法，该方法除训练数据集中车辆目标的边界框标注外不需要任何额外监督。所提方法通过使检测器能以更多实例进行训练来提升车辆检测性能，尤其在训练实例数量有限时。该方法具有通用性，可集成于不同生成器中。实验表明，当分别与Pluralistic和DeepFill集成时，该方法将平均精度（Average Precision）提升了高达25.2%和25.7%。
引用
@article{arxiv.2012.04902,
title = {Generative Data Augmentation for Vehicle Detection in Aerial Images},
author = {Hilmi Kumdakcı and Cihan Öngün and Alptekin Temizel},
journal= {arXiv preprint arXiv:2012.04902},
year = {2020}
}
备注
Workshop on Analysis of Aerial Motion Imagery (WAAMI 2020) in conjunction with 25th International Conference on Pattern Recognition (ICPR 2020)