面向基于区域提议的目标检测器的 Mixup 正则化
计算机视觉与模式识别
2020-03-05 v1 机器学习
摘要
Mixup——一种基于有标签样本对线性插值的神经网络正则化技术——以其通过极为简单的形式提升模型鲁棒性与泛化能力的特性而脱颖而出。然而，其在目标检测领域的扩展仍不明确，因为边界框的插值无法被朴素地定义。本文中，我们提议利用锚框固有的区域映射结构，为基于区域提议的目标检测器引入一种 mixup 驱动的训练正则化。所提方法在具有挑战性检测设置的标准数据集上进行了基准测试。我们的实验显示出对图像扰动的增强鲁棒性，以及使检测去语境化的能力，从而带来改进的泛化能力。
引用
@article{arxiv.2003.02065,
title = {Mixup Regularization for Region Proposal based Object Detectors},
author = {Shahine Bouabid and Vincent Delaitre},
journal= {arXiv preprint arXiv:2003.02065},
year = {2020}
}