用于目标检测的无监督数据增强
计算机视觉与模式识别
2021-05-03 v1
摘要
数据增强一直是数据集较小时克服过拟合问题的有效方法。已有大量增强操作，如水平翻转、随机裁剪甚至Mixup。然而，不同于图像分类任务，由于生成的对应图像缺乏标注边界框信息，我们不能简单地将这些操作用于目标检测任务。为应对这一挑战，我们提出一种利用生成对抗网络（GAN）进行无监督数据增强的框架。具体而言，基于YOLOv4近期优越的性能，我们提出一个两步流水线，使我们能生成物体位于特定位置的图像。以此方式，我们可实现生成带边界框标签图像的目标。
引用
@article{arxiv.2104.14965,
title = {Unsupervised data augmentation for object detection},
author = {Yichen Zhang and Zeyang Song and Wenbo Li},
journal= {arXiv preprint arXiv:2104.14965},
year = {2021}
}