用于漫画单样本目标检测的特征空间高斯数据增强学习

我们解决日漫单样本目标检测问题。日漫在全球范围内日益流行，使得检测角色面部变得越来越重要，潜在应用包括自动上色。然而，由于版权限制，获取足够的训练数据具有挑战性。此外，每当新卷的漫画发布时，都会出现新角色，每次重新训练目标检测器来检测这些新角色都不切实际。因此，单样本目标检测——只需要一个单一查询（参考）图像即可检测新角色——对于漫画行业至关重要。单样本目标检测在漫画中的一个挑战是，尽管仅有一个查询图像作为参考，但目标图像中角色的姿态和面部表情存在很大变化。另一个挑战是角色出现频率遵循长尾分布。为克服这些挑战，我们提出了一种在特征空间内进行数据增强的方法，以增加查询的变体。该方法通过在查询特征上添加高斯噪声来进行增强，噪声的方差在每个通道上都在训练期间学习得出。实验结果表明，所提出的方法在已见和未见类别上均优于图像空间内的数据增强方法。