实例分割挑战赛技术报告，ICCV 2021 VIPriors研讨会：面向实例分割的任务特定复制粘贴数据增强方法
计算机视觉与模式识别
2021-10-04 v1 人工智能
摘要
复制粘贴（Copy-Paste）已被证明是一种非常有效的实例分割数据增强方法，可提升模型的泛化能力。我们采用了一种任务特定的复制粘贴数据增强方法，在第二届VIPriors研讨会挑战赛的实例分割赛道上取得了良好性能。我们还应用了额外的数据增强技术，包括RandAugment和GridMask。我们的分割模型是基于CBSwin-B与CBFPN并作了若干调整的HTC检测器。该模型以随机采样器在多尺度模式下按6x调度训练，并在单尺度模式下测试。结合这些技术，我们在验证集上达到0.398 [email protected]:0.95，在测试集上达到0.433 [email protected]:0.95。最后，通过将验证集加入训练数据，我们在测试集上达到0.477 [email protected]:0.95。源代码见https://github.com/jahongir7174/VIP2021。
关键词
引用
@article{arxiv.2110.00470,
title = {Instance Segmentation Challenge Track Technical Report, VIPriors Workshop at ICCV 2021: Task-Specific Copy-Paste Data Augmentation Method for Instance Segmentation},
author = {Jahongir Yunusov and Shohruh Rakhmatov and Abdulaziz Namozov and Abdulaziz Gaybulayev and Tae-Hyong Kim},
journal= {arXiv preprint arXiv:2110.00470},
year = {2021}
}
备注
Instance Segmentation Challenge Track Technical Report, VIPriors Workshop at ICCV 2021