Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation

最新推荐文章于 2024-07-09 11:32:04 发布
最新推荐文章于 2024-07-09 11:32:04 发布
阅读量4k 收藏 5
点赞数 4
分类专栏： 计算机视觉论文速递 目标检测 实例分割 文章标签： 机器学习 深度学习 人工智能 计算机视觉 自动驾驶
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/amusi1994/article/details/111240196
版权
谷歌大脑、加州大学伯克利分校和康奈尔大学的研究人员发现，简单的复制粘贴数据增广方法在实例分割和目标检测任务中效果显著。这种方法提升了COCO目标检测和实例分割的AP指标，且在半监督学习中表现加成。在LVIS基准测试中，对于罕见类别的处理能力也得到大幅增强。
摘要由CSDN通过智能技术生成

57.3 AP！刷新COCO目标检测和实例分割新记录！复制-粘贴是用于实例分割的强大数据增广方法

拿下COCO目标检测和实例分割双料第一名！目标检测数据刷到57.3 AP；实例分割刷到49.1 AP！
在这里插入图片描述

  • Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation

  • 作者单位：谷歌大脑（Quoc V. Le等人）, 加州大学伯克利分校, 康奈尔大学

  • 论文下载链接：https://arxiv.org/abs/2012.07177

注：文末附目标检测交流群

建立数据高效且可以处理稀有对象类别的实例分割模型是计算机视觉中的一项重要挑战。利用数据增广是解决这一挑战的有希望的方向。在这里，我们对复制-粘贴增广（[13，12]）进行了系统研究，例如将对象随机粘贴到图像上的分割。

在这里插入图片描述

先前关于复制粘贴的研究依赖于对周围的视觉环境进行建模以粘贴对象。但是，我们发现随机粘贴对象的简单机制足够好，并且可以在强大的基线之上提供可靠的收益。此外，我们显示出Copy-Paste在半监督方法下是加法的，该方法通过伪标签（例如自训练）利用额外数据。<

最低0.47元/天 解锁文章
Amusi（CVer）
关注
  • 4
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
专栏目录
node-copy-paste.js：一个读写系统剪贴板的工具
彭世瑜的博客
08-11 2538
支持OSX、Linux、Windows。
copy-paste-aug:复制粘贴增强功能以​​进行细分和检测任务
04-14
复制粘贴 复制粘贴增强的非官方实现。 构建增强功能可轻松与白蛋白整合。 为COCO提供了创建兼容火炬视觉数据集的示例。 图像，遮罩和边框的核心功能已完成； 关键点尚不支持。 通常，您可以像使用其他任何专辑增强功能一样使用CopyPaste增强功能。 注意一些用法限制。 使用说明 BboxParams不能具有label_fields。 要将类标签附加到边界框，请将其直接附加到边界框坐标。 （即（x1，y1，x2，y2，class_id））。 传递给CopyPaste增强的边界框还必须在“遮罩”列表中包含相应遮罩的索引。 （即边界框看起来像（x1，y1，x2，y2，class_id，mask_index））。 举了一个COCO的例子。 CopyPaste增强功能期望使用6个关键字参数，而不是3个： output = transforms ( image = image , masks
(2020)Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation
Fanniexia的博客
01-03 741
1.【成果】 （1）在 COCO instance segmentation: 49.1(+0.6 )mask AP 57.3( +1.5 )box AP （2）copy paste 相比于mixup（较小aug比例上效果更明显），不管aug比例大小，都有着不错的提升效果。 2.【如何实现】 效果示意图： 【数据】 （1）copy paste的数据来源：COCO或者其他数据集无明显差异 先生成伪标签 （2）粘贴时候对边缘无论进不进行高斯滤波效果差异不明显，并且按照I 1 × α + I 2 × (1 −
「Pytorch」CopyPaste 数据增强
最新发布
绿色羽毛
07-09 607
数据增广是提升模型泛化能力重要的手段之一，CopyPaste 是一种新颖的数据增强技巧，已经在目标检测和实例分割任务中验证了有效性。利用 CopyPaste，可以合成文本实例来平衡训练图像中的正负样本之间的比例。相比而言，传统图像旋转、随机翻转和随机裁剪是无法做到的。这样就比较好地提升了样本丰富度，同时也增加了模型对环境的鲁棒性。如下图所示，通过在左下角的图中裁剪出来的文本，随机旋转缩放之后粘贴到左上角的图像中，进一步丰富了该文本在不同背景下的多样性。
Simple Copy-Past is a Strong Data Augmentation Method for Instance Segmentation 论文笔记
Tianchao龙虾
05-08 335
Simple Copy-Past is a Strong Data Augmentation Method for Instance Segmentation 论文链接： https://arxiv.org/abs/2012.07177 代码链接： https://github.com/conradry/copy-paste-aug 一、 Problem Statement 对实例分割提出一个数据增广的方式。 二、 Direction 简单的复制粘帖目标进行数据增广。 三、 Method 核心的思想是: 目
【Copy-Paste】《Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation》
bryant_meng
12-14 901
CVPR-2021
复制-粘贴大法（Copy-Paste）：简单而有效的数据增强
热门推荐
AI数据工厂
12-17 2万+
一种简单的数据增强方法——复制粘贴，主要用于实例分割，可以丰富数据中的场景以及对象的组合； 论文：Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation； 非官方代码：https://github.com/qq995431104/Copy-Paste-for-Semantic-Segmentation。
multi-copy-paste-clipboard：用于atom编辑器的软件包，用于使剪贴板能够进行多个复制-粘贴操作。 它提供了最后一份副本的列表，您可以从副本列表中选择一个元素进行粘贴
01-31
ctrl-c | multi-copy-paste:copy | Copy ctrl-v | multi-copy-paste:paste | Auto-paste your last item escape, enter | multi-copy-paste:toggle | Close your modal window without pasting 0
Dr copy-paste-crx插件
04-03
只要打开Chrome并且只在激活时开始您访问Elyntagoggafisi.gr（esyntagogofisi.gr和apps.a.gr/eopyy）的网站。启用DR Copy-Paste时，每个患者访问您输入网站www.e-syntagografisi.gr。录制一个或多个访问后，或全天...
Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation 论文阅读
Christo的博客
04-11 737
在这种方法中，首先在标注数据上训练一个模型，然后在未标注的数据上生成伪标签，将真实标注的实例粘贴到伪标注和标注数据中，并在这个新数据集上训练模型。数据高效：该方法能够提高模型的数据效率，使得在较少的训练数据上也能达到良好的性能，这对于数据稀缺的情况尤其有价值。根据需要调整粘贴后的目标图像中的标注信息，例如移除完全遮挡的对象，并更新部分遮挡对象的掩码和边界框。简单有效：复制粘贴增强方法简单直观，通过随机粘贴图像中的对象到其他图像上，有效提高了模型的性能。
Copy-Paste-for-Semantic-Segmentation:Copy-Paste 方法的非官方实现：Simple Copy-Paste 是一种强数据增强方法，用于实例分割
05-31
Typora-root-url 图片 复制粘贴语义分割 复制粘贴方法的非官方实现： 这个 repo 是语义分割的实现。 您也可以在实例分割中使用。 我们在类似 VOC 的数据集上进行。 如果您的数据集类似于 coco，则需要先从 coco 中提取掩码。 更多详情见。 本 repo 中使用的方法： 随机水平翻转 大规模抖动 复制粘贴 脚步： 选择源图像和主图像； 从源图像中获取注释； 重新缩放源图像及其注释； 将源图像和注释粘贴到主图像和注释； 合并主注释和源注释； 用法： 如果使用类似 coco 的数据集，则需要先运行get_coco_mask.py ： usage : get_coco_mask . py [ - h ] [ - - input_dir INPUT_DIR ] [ - - split SPLIT ] optional arguments :
代码复现：Copy-Paste 数据增强for 语义分割
AI数据工厂
12-29 7370
论文Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation非官方实现的代码。
【目标检测】“复制-粘贴”数据增强实现
络小绎
08-06 6604
前言 本文来源论文《Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation》（CVPR2020），对其数据增强方式进行实现。 论文地址：https://arxiv.org/abs/2012.07177 解读：https://mp.weixin.qq.com/s/nKC3bEe3m1eqPDI0LpVTIA 主要思想： 本文参考该数据增强的语义分割实现[1]，相应修改为对应目标检测的实现，坐
【目标检测】“复制-粘贴 copy-paste” 数据增强实现
weixin_40293999的博客
08-21 2741
本文来源论文《Simple Copy-Paste is a Strong Data Augmentation Methodfor Instance Segmentation》（CVPR2020），对其数据增强方式进行实现。
Simple Copy-Paste论文阅读和调试记录
weixin_42741178的博客
10-18 122
Remez等将copy paste作为一种对抗性方法，原理是基于一张给定bbox的图像，生成网络对bbox中的目标进行预测，生成mask。基于给定的mask，让该目标融入其他的图像，判决网络用来确保生成的mask or image足够的真实。此外，除却粘贴，算法中还加入小幅抖动（small scale jittering）、大幅抖动（large scale jittering）和随机resize，对粘贴后的图像进行处理。好像一些文章中没有提到，论文中使用了高斯滤波平滑粘贴图像边缘，然而效果并不好。
数据增强神器 SimpleCopyPaste 支持全流程
qq_39967751的博客
08-31 3571
SimpleCopyPaste 数据增强是谷歌在 2021 年 1 月提出的一种实例分割的数据增强方法，它通过在训练过程中直接将一张图片中的实例简单地复制粘贴到另外一张图片中得到新的训练样本，创造出了场景更加复杂的新数据以显著提升全监督和半监督方式训练的实例分割模型的性能。 ............
【目标检测】|数据增强 Copy-Paste
qq_35608277的博客
05-26 4099
Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation 谷歌、UC伯克利与康奈尔大学的研究人员使用简单粗暴的“复制-粘贴”术，再次刷新COCO数据集上目标检测与实例分割的新高度。 随机粘贴 该文主要使用了训练集中实例分割对象复制粘贴实现训练阶段的数据增广， 随机选择两幅训练图像 随机尺度抖动缩放 随机水平翻转 随机选择一幅图像中的目标子集 粘贴在另一幅图像中随机的位置 可能有些同学看到过其他论文在使用复
如果我的自定义data augmentation为copy-paste我该怎么写代码
04-05
以下是一个可能的实现： ...要使用copy_paste数据增强，可以在调用data_generator时传递它作为augment_fn参数： ```python generator = data_generator(images, batch_size=32, augment_fn=copy_paste) ```
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值