通过实现合成图像数据集创建管道进行视觉汽车品牌分类

机器学习的最新进展，特别是在深度学习和目标检测方面，显著提升了包括图像分类和合成在内的各种任务的性能。然而，挑战依然存在，特别是在获取准确代表特定用例的标注数据方面。在这项工作中，我们提出了一个使用Stable Diffusion（一种能够生成高度逼真图像的图像合成模型）自动生成合成图像数据集的管道。我们利用YOLOv8进行自动边界框检测和合成图像的质量评估。我们的贡献包括：证明仅使用合成数据训练图像分类器的可行性、自动化图像生成管道，以及描述我们方法的计算需求。我们评估了Stable Diffusion不同模式的可用性，并实现了75%的分类准确率。