GUNNEL：面向水生动物分割的引导式混合增强与多模型融合方法
计算机视觉与模式识别
2025-07-01 v4
摘要
近年来，目标分割研究取得了巨大进展。除通用目标外，水生动物也引起了研究关注。基于深度学习的方法被广泛用于水生动物分割并取得了令人满意的性能。然而，缺乏具有挑战性的基准数据集。在本工作中，我们构建了一个名为“Aquatic Animal Species”的新数据集。我们还设计了一种新颖的面向水生动物分割的引导式混合增强与多模型融合方法（GUNNEL），该方法利用多个分割模型的优势来有效分割水生动物，并通过合成困难样本提升训练性能。大量实验证明了我们所提框架相对于现有最先进实例分割方法的优越性。代码见 https://github.com/lmquan2000/mask-mixup。数据集见 https://doi.org/10.5281/zenodo.8208877。
引用
@article{arxiv.2112.06193,
title = {GUNNEL: Guided Mixup Augmentation and Multi-Model Fusion for Aquatic Animal Segmentation},
author = {Minh-Quan Le and Trung-Nghia Le and Tam V. Nguyen and Isao Echizen and Minh-Triet Tran},
journal= {arXiv preprint arXiv:2112.06193},
year = {2025}
}
备注
Accepted to Neural Computing & Applications