ShapeAug：针对事件相机数据的遮挡数据增强
计算机视觉与模式识别
2024-01-05 v1
摘要
近年来，动态视觉传感器（DVS）因相较于传统 RGB 相机的固有优势而引起了广泛关注。这些优势包括低延迟、高动态范围和低能耗。然而，使用深度学习（DL）方法处理 DVS 数据仍然是一个挑战，特别是由于可用的事件训练数据仍然有限。这导致需要事件数据增强技术，以提高准确性并避免在训练数据上过拟合。现实世界汽车应用中的另一个挑战是遮挡，即一个物体遮挡了其后面物体的视线。在本文中，我们提出了一种新颖的事件数据增强方法，该方法通过在场景中为随机移动的物体引入合成事件来解决这一问题。我们在多个 DVS 分类数据集上测试了我们的方法，top1 准确率相对提升了最高 6.5%。此外，我们将我们的增强技术应用于真实世界的 Gen1 汽车事件数据集进行目标检测，其中我们将行人的检测率最高提升了 5%。
引用
@article{arxiv.2401.02274,
title = {ShapeAug: Occlusion Augmentation for Event Camera Data},
author = {Katharina Bendig and René Schuster and Didier Stricker},
journal= {arXiv preprint arXiv:2401.02274},
year = {2024}
}
备注
Accepted at ICPRAM 2024