利用神经网络以合成交通标志增强道路图像
计算机视觉与模式识别
2021-01-14 v1
摘要
交通标志识别是计算机视觉中一个研究充分的问题。然而，当前最先进的方法仅对训练数据集中有充分代表的频繁标志类别有效。我们考虑稀有交通标志检测与分类任务。我们旨在通过使用合成训练数据来解决该问题。此类训练数据通过将合成标志图像嵌入真实照片中获得。我们提出了三种使合成标志在外观上与场景一致的方法。这些方法基于现代生成对抗网络（GAN）架构。我们提出的方法允许将训练集中缺失的稀有交通标志类别真实地嵌入。我们适配了一个变分自编码器，用于在图像中采样新交通标志的合理位置。我们证明，将我们的合成数据与真实数据混合使用可提高分类器与检测器的准确率。
引用
@article{arxiv.2101.04927,
title = {Road images augmentation with synthetic traffic signs using neural networks},
author = {Anton Konushin and Boris Faizov and Vlad Shakhuro},
journal= {arXiv preprint arXiv:2101.04927},
year = {2021}
}
备注
The paper was submitted to the journal "Computer Optics" and is currently under review