ObjectAug：面向语义图像分割的对象级数据增强
计算机视觉与模式识别
2021-04-22 v2
摘要
语义图像分割旨在获取具有精确边界的对象标签，通常易受过拟合影响。近来，诸如区域丢弃和混合策略等多种数据增强策略被提出以应对该问题。这些策略已证明能有效引导模型关注区分性较弱的部分。然而，当前策略在图像层级操作，对象与背景相耦合。因此，由于固定的语义场景，边界未得到良好增强。本文中，我们提出 ObjectAug 以执行面向语义图像分割的对象级增强。ObjectAug 首先利用语义标签将图像解耦为独立对象与背景。接着，每个对象使用常用增强方法（如缩放、平移和旋转）单独增强。然后，由对象增强带来的黑色区域通过图像修复进一步复原。最后，增强后的对象与背景组装为增强图像。以此方式，边界可在多样语义场景中被充分探索。此外，ObjectAug 可支持类别感知增强，为每类对象提供多种可能，并可与现有图像级增强方法轻松结合以进一步提升性能。我们在自然图像与医学图像数据集上进行了全面实验。实验结果表明，我们的 ObjectAug 能显著提升分割性能。
引用
@article{arxiv.2102.00221,
title = {ObjectAug: Object-level Data Augmentation for Semantic Image Segmentation},
author = {Jiawei Zhang and Yanchun Zhang and Xiaowei Xu},
journal= {arXiv preprint arXiv:2102.00221},
year = {2021}
}
备注
8 pages, 7 figures, 9 tables, Accepted by IJCNN2021