利用合成数据减少目标检测器训练所需的真实世界数据量
计算机视觉与模式识别
2022-02-02 v1
摘要
许多研究已探讨使用合成数据训练神经网络以应用于真实世界。本研究的目的是量化在使用合成与真实世界混合数据集时，能节省多少真实世界数据。通过用简单幂律建模训练样本数与检测性能之间的关系，我们发现无需牺牲检测性能即可将真实世界数据的需求减少多达 70%。用真实世界数据集中代表性不足的类丰富混合数据集，尤其能增强目标检测网络的训练。结果表明，真实世界数据占比在 5% 至 20% 之间的混合数据集能在不降低检测性能的前提下最大程度减少真实世界数据的需求。
引用
@article{arxiv.2202.00632,
title = {Reducing the Amount of Real World Data for Object Detector Training with Synthetic Data},
author = {Sven Burdorf and Karoline Plum and Daniel Hasenklever},
journal= {arXiv preprint arXiv:2202.00632},
year = {2022}
}
备注
6 pages, 4 figures submitted to 33rd IEEE Intelligent Vehicles Symposium (IV 22)