用于模糊目标检测的合成图像：比较研究
计算机视觉与模式识别
2024-10-03 v1
摘要
模糊目标检测是计算机视觉（CV）中的一个具有挑战性的研究领域。区分模糊目标检测与非模糊目标检测在CV领域至关重要。模糊目标如火、烟、雾和蒸汽在视觉特征、模糊边缘、变化形状、不透明度和体积方面，都显著复杂于非模糊目标如树木和汽车。收集均衡且多样化的数据集并进行准确标注，对实现更好的模糊目标机器学习模型至关重要，但收集和标注任务仍高度依赖人工。本研究提出并利用一种替代方法，通过3D模型生成并自动标注完全合成的火焰图像，以训练目标检测模型。此外，比较在合成图像上训练的机器学习模型性能与在真实图像和混合图像上训练的模型。研究发现，合成数据对火焰检测有效，而性能随测试数据集覆盖更广泛实际火灾的范围而提升。我们的发现表明，当合成图像和真实图像用于混合训练集时，所训练的机器学习模型在检测广泛范围的火灾方面，优于仅用真实图像或仅用合成图像训练的模型。该方法对于自动化生成用于模糊目标检测的计算机视觉模型的标注，具有显著的降低时间和成本的意义。
引用
@article{arxiv.2410.01124,
title = {Synthetic imagery for fuzzy object detection: A comparative study},
author = {Siavash H. Khajavi and Mehdi Moshtaghi and Dikai Yu and Zixuan Liu and Kary Främling and Jan Holmström},
journal= {arXiv preprint arXiv:2410.01124},
year = {2024}
}