复制粘贴增强器
根据我们的基准测试和某些其他论文,将类的实例复制粘贴到图像中有助于提高检测和分割网络的性能。 我们在 Cityscapes 上运行语义分割,结果如下所示。
我们使用 DeepLabV3 和 ResNet101 主干,该主干在 COCO train2017 上进行了预训练。
我们切换 Cityscapes 分割,使用 500 张图像进行训练,使用 2975 张图像进行验证。 如果我们为每个图像增加 1 个实例,我们将在训练集中引入该类的 500 个以上实例。 如果我们为每个图像添加 2 个,则增加 1000 个实例,依此类推。
我们可以使用 4 种增强:
适当的缩放和适当的放置
适当的缩放和随机放置
随机缩放和适当放置
随机缩放和随机放置
在我们开始增强之前,我们需要将实例复制到图像中。 如果我们想将People到图像中,我们为 people 运行class_extr
2024-07-09 15:58:48
23.77MB
Python
1