PanDA：全景数据增强
计算机视觉与模式识别
2020-04-07 v2
摘要
近期提出的全景分割任务通过统一语义分割与实例分割任务，给计算机视觉的图像理解带来了重大挑战。本文提出一种高效且新颖的全景数据增强（PanDA）方法，该方法仅在像素空间中操作，无需额外数据或训练，且计算实现成本低廉。通过在由一组固定参数生成的 PanDA 增强数据集上重新训练原有的最先进模型，我们展示了在全景分割、实例分割以及检测任务中，跨模型、骨干网络、数据集领域和尺度上的稳健性能提升。最后，PanDA 合成的不逼真训练图像的有效性表明，人们应当重新思考图像逼真度对于高效数据增强的必要性。
引用
@article{arxiv.1911.12317,
title = {PanDA: Panoptic Data Augmentation},
author = {Yang Liu and Pietro Perona and Markus Meister},
journal= {arXiv preprint arXiv:1911.12317},
year = {2020}
}