复制-粘贴大法（Copy-Paste）：简单而有效的数据增强

论文标题：Simple Copy-Paste is a Strong Data Augmentation Method for Instance Segmentation

论文地址：https://arxiv.org/pdf/2012.07177.pdf

非官方代码：https://github.com/qq995431104/Copy-Paste-for-Semantic-Segmentation

---

目录

1、摘要

2、简介

 3、本文的方法

混合粘贴

大尺度抖动

4、实验结果

4.1 模型初始化、抖动尺度方面

4.2 和mixup的对比

4.3 在不同backbone和输入尺寸上的对比

4.4  结合自训练和复制粘贴

 4.5 在coco的SOTA模型上的实验

4.6 在 PASCAL VOC目标检测和语义分割上的实验

 4.7 LVIS数据集上的实验

 5 总结

---

1、摘要

建立有效的实例分割模型，并能处理罕见的对象类别是计算机视觉中一个重要的挑战。数据增强是应对这一挑战的一个有前途的方向。在这里，我们在实例分割方向对复制-粘贴增强进行了系统的研究，如随机地将对象粘贴到一张图像上。先前对复制粘贴的研究依赖于对周围视觉环境的建模来。然而，我们发现随机粘贴对象的简单机制已经足够好了，并且可以在强baseline之上提供稳定的增益。此外，我们通过半监督方法证明复制-粘贴带来的性能是可叠加的，该方法通过伪标签利用额外的数据(如自训练)。在COCO实例分割上，我们实现了49.1 mask AP和57.3 box AP，相比之前的sota模型，有+0.6 mask AP和+1.5 box AP的改进。我们进一步证明了复制-粘贴可以显著改善LVIS benchmark。我们的baseline模型在罕见类别上比LVIS 2020挑战赛优胜条目高出+3.6 mask AP。

2、简介

通过粘贴不同规模的不同对象到新的背景图像，复制-粘贴有潜力免费获取丰富的和新颖的训练数据。这一点和其他数据增强类似，但是本文的复制粘贴主要用于实例分割，其粘贴的对象是从一张图中抠出mask部分对应的实例，然后随机粘贴到另一张图像。所复制粘贴的对象，是精确到像素级的，这也是其与Cut-mix方法的区别。

在coco基准集上测试了复制粘贴大法的有效性，如下图所示，通过对比标准尺度抖动、大尺度抖动、大尺度抖动+复制粘贴，可以看出增加了复制粘贴大法后，可以明显进一步提高性能。

 3、本文的方法

方法很简单，主要思想是：混合粘贴+大尺度抖动。

混合粘贴

是指利用公式将两幅图像的内容混合在一起；公式中，是粘贴对象所在的图像，是主图像，是mask掩模；公式的意思其实很淳朴，就是将中mask部分的像素抠出来，然后粘贴到中，当然，这个过程有很大的随机性：（1）选择用于粘贴的源图和目标图的随机性；（2）选择粘贴源图中哪些对象的随机性；（3）选择粘贴到目标图像的哪些位置的随机性。

混合粘贴的效果如下图：

大尺度抖动

大尺度抖动（Large Scale Jittering，LSJ）是相较于标准尺度抖动（standard scale jittering，SSJ）而言更为大胆的一种尺度抖动方法。在SSJ中，尺度变化的范围是0.8~1.25，而在LSJ中，尺度变化范围是0.1~2.0；如此大范围的抖动，会产生对比强烈的抖动效果。此外，无论LSJ还是SSJ，都使用了随机水平翻转。LSJ的最终效果如下图：

此外，结合自训练，此方法同样能够带来可叠加的收益 。

4、实验结果

4.1 模型初始化、抖动尺度方面

左：使用了预训练/非预训练模型初始化的backbone在使用/不使用复制粘贴情况的下的对比；右：不同抖动尺度下，用和不用复制粘贴的对比。可以看出，无论什么情况，使用了复制粘贴都能带来稳定的收益。

4.2 和mixup的对比

可以看出，在SSJ的实验（左）中，mixup和Copy-Past都能带来收益，但Copy-Past带来的收益更大；但在LSJ的实验（右）中，mixpu带来的收益就几乎没有了，猜测原因应该是LSJ已经足够优秀了，常规的增强方法并不能带来超出LSJ的收益，而Copy-Past就可以。

4.3 在不同backbone和输入尺寸上的对比

从下表可以看出，使用了复制粘贴大法，在所有模型、输入尺度上都能带来稳定收益。

4.4  结合自训练和复制粘贴

自训练利用未标记数据，可带来1.5 Box AP，复制粘贴同样也能带来类似的收益；将两者结合起来用，可以带来“1+1=2”的线性叠加的收益！（能够使收益线性叠加，是真的强！）

将coco中的对象粘贴到coco和粘贴到伪标签数据的对比，可以看出，无论粘贴到哪里都能带来收益，但两者都粘贴则能带来“1+1>2”的收益：

 4.5 在coco的SOTA模型上的实验

相比SOTA模型，添加了复制粘贴和自训练的方法后，带来的收益同样可观：

4.6 在 PASCAL VOC目标检测和语义分割上的实验

实验表明，复制粘贴大法对目标检测和实例分割同样有效：

 4.7 LVIS数据集上的实验

 5 总结

数据增强是许多视觉系统的核心。本文对复制-粘贴数据增强方法进行了严格的研究，发现该方法是非常有效和健壮的。在强大的baseline基础上，无论是在COCO和LVIS实例分割基准集，复制-粘贴在多个实验设置中都能表现良好，并提供了显著的改善。

复制-粘贴增强策略简单，易于插入到任何实例分割代码库中，并且不会增加训练成本或推理时间。我们还展示了复制-粘贴对于在训练过程中合并额外的未标记图像是有用的，并且能够与自训练技术的带来的收益相加。我们希望它足够令人信服，以使复制-粘贴增强可以作为训练实例分割模型时的标准数据增强手段。