随机阴影与高光：一种针对极端光照条件的数据增强方法
计算机视觉与模式识别
2021-01-19 v2
摘要
在本文中，我们提出一种新的数据增强方法，随机阴影与高光（RSH），以获取对照明扰动的鲁棒性。我们的方法在图像上创建随机阴影和高光，从而在学习过程中对神经网络提出挑战，使其在真实世界应用中对这些输入损坏获得免疫。它是一种无需参数学习的方法，可轻松集成到大多数与视觉相关的学习应用中。通过大量实验，我们证明 RSH 不仅增加了模型对照明扰动的鲁棒性，还显著减少了过拟合。因此，RSH 应被视为所有视觉相关学习系统所必需的。代码可在 https://github.com/OsamaMazhar/Random-Shadows-Highlights 获取。
引用
@article{arxiv.2101.05361,
title = {Random Shadows and Highlights: A new data augmentation method for extreme lighting conditions},
author = {Osama Mazhar and Jens Kober},
journal= {arXiv preprint arXiv:2101.05361},
year = {2021}
}