RenderGAN：生成逼真的标注数据
神经与进化计算
2017-01-13 v5 计算机视觉与模式识别
摘要
深度卷积神经网络(DCNNs)在许多计算机视觉任务上展现出卓越性能。由于其庞大的参数空间，在监督设置下训练时需要大量标注样本。手动标注数据的成本可能使DCNNs的使用变得不可行。我们提出一种称为RenderGAN的新框架，通过结合3D模型与生成对抗网络框架，可生成大量逼真且带标注的图像。在我们的方法中，图像增强（例如光照、背景和细节）从未标注数据中学习，使得生成图像极为逼真，同时保留从3D模型已知的标签。我们将RenderGAN框架应用于生成附着在蜜蜂身上的条形码状标记的图像。在RenderGAN生成的数据上训练DCNN比在各种基线上训练它取得明显更优的性能。
引用
@article{arxiv.1611.01331,
title = {RenderGAN: Generating Realistic Labeled Data},
author = {Leon Sixt and Benjamin Wild and Tim Landgraf},
journal= {arXiv preprint arXiv:1611.01331},
year = {2017}
}