基于条件生成模型增强训练图像的航拍图像中魟鱼检测
计算机视觉与模式识别
2018-06-26 v3
摘要
本文提出了一种基于航拍图像解决魟鱼检测问题的目标检测方法。在该问题中，图像由无人机(UAV)在海面区域上空拍摄，而我们要检测和定位的目标是游弋在海面之下(但靠近海面)的魟鱼。为此，我们使用一种深度目标检测方法 faster RCNN，基于有限的训练图像集训练魟鱼检测器。为提升性能，我们提出了一种新的生成方法 conditional GLO 来增加魟鱼训练样本，该方法是对生成潜优化(GLO)方法的扩展。传统的的数据增强方法仅针对图像分类生成新数据，与之不同，我们提出的方法将前景与背景混合，能够为对象检测任务生成新数据，从而提升 CNN 检测器的训练效果。实验结果表明，我们的方法在航拍图像魟鱼检测上可获得令人满意的性能。
引用
@article{arxiv.1805.04262,
title = {Stingray Detection of Aerial Images Using Augmented Training Images Generated by A Conditional Generative Model},
author = {Yi-Min Chou and Chien-Hung Chen and Keng-Hao Liu and Chu-Song Chen},
journal= {arXiv preprint arXiv:1805.04262},
year = {2018}
}
备注
to appear in CVPR 2018 Workshop (CVPR 2018 Workshop and Challenge: Automated Analysis of Marine Video for Environmental Monitoring)