RoIMix:多图像间候选区域融合用于水下目标检测
计算机视觉与模式识别
2020-03-25 v2 机器学习
图像与视频处理
摘要
通用目标检测算法近年来已证明其优异性能。然而,水下数据集上的目标检测仍较少被探索。与通用数据集相比,水下图像通常存在色偏和低对比度;沉积物会导致水下图像模糊。此外,由于水下生物的栖息习性,它们在图像上经常彼此紧密出现。为解决这些问题,我们的工作研究了用于模拟重叠、遮挡和模糊物体的增强策略,并构建了一个能够实现更好泛化能力的模型。我们提出一种称为 RoIMix 的增强方法,其刻画了图像间的交互。从不同图像中提取的候选区域被混合在一起。先前的数据增强方法在单幅图像上操作,而我们将 RoIMix 应用于多幅图像以创建增强样本作为训练数据。实验表明,我们所提出的方法在 Pascal VOC 和 URPC 数据集上均提升了基于区域的目标检测器的性能。
引用
@article{arxiv.1911.03029,
title = {RoIMix: Proposal-Fusion among Multiple Images for Underwater Object Detection},
author = {Wei-Hong Lin and Jia-Xing Zhong and Shan Liu and Thomas Li and Ge Li},
journal= {arXiv preprint arXiv:1911.03029},
year = {2020}
}
备注
ICASSP 2020