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!
-
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。
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。<