面向 VIPriors 实例分割挑战赛的任务特定数据增强与推理处理
计算机视觉与模式识别
2022-11-22 v1
摘要
实例分割广泛应用于图像编辑、图像分析与自动驾驶等。然而，数据不足是实际应用中的常见问题。Visual Inductive Priors (VIPriors) 实例分割挑战赛聚焦于该问题。面向数据高效计算机视觉挑战赛的 VIPriors 要求参赛者在数据匮乏设定下从零训练模型，但可利用一些视觉归纳先验。为解决 VIPriors 实例分割问题，我们设计了任务特定数据增强 (TS-DA) 策略与推理处理 (TS-IP) 策略。任务特定数据增强策略主要用于应对数据匮乏问题；为充分利用视觉归纳先验，我们设计了任务特定推理处理策略。我们在 VIPriors 实例分割挑战赛上验证了所提方法的适用性。采用的分割模型为基于 Swin-Base 的 CBNetV2 骨干网络的 Hybrid Task Cascade 检测器。实验结果表明，所提方法在 2022 年 VIPriors 实例分割挑战赛测试集上取得具有竞争力的结果，[email protected]:0.95 达 0.531。
引用
@article{arxiv.2211.11282,
title = {Task-Specific Data Augmentation and Inference Processing for VIPriors Instance Segmentation Challenge},
author = {Bo Yan and Xingran Zhao and Yadong Li and Hongbin Wang},
journal= {arXiv preprint arXiv:2211.11282},
year = {2022}
}
备注
The first place solution for ECCV 2022 VIPriors Instance Segmentation Challenge. arXiv admin note: text overlap with arXiv:2209.13899