基于生成对抗网络的语义图像分割像素级数据增强
计算机视觉与模式识别
2019-11-27 v4
摘要
语义分割是计算机视觉的基本课题之一，其旨在为图像每个像素分配语义标签。不平衡的语义标签分布会对分割精度产生负面影响。本文中，我们研究使用数据增强方法来平衡语义标签分布，以提升分割性能。我们提出使用生成对抗网络（GANs）生成真实图像，以改进语义分割网络的性能。实验结果表明，所提方法不仅能提升低精度类别的分割性能，还能使平均分割精度提升 1.3% 到 2.1%。这表明该增强方法能提升精度，且易于应用于任何其他分割模型。
引用
@article{arxiv.1811.00174,
title = {Pixel Level Data Augmentation for Semantic Image Segmentation using Generative Adversarial Networks},
author = {Shuangting Liu and Jiaqi Zhang and Yuxin Chen and Yifan Liu and Zengchang Qin and Tao Wan},
journal= {arXiv preprint arXiv:1811.00174},
year = {2019}
}
备注
5 pages