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

• 论文链接：https://arxiv.org/abs/2012.07177
• 作者单位：谷歌大脑

本篇文章中，作者对copy-paste方法做了系统性的研究。之前的copy-paste方法需要考虑图片的周围的场景，作者发现其实简单的随机copy-paste方法就已经非常好用了。作者把coco的记录再一次刷新，实例分割涨了0.6个点，目标检测涨了1.5个点，拿了个双料第一，实例分割达到了49.1，目标检测达到了57.3。作者使用的是Cascade Eff-B7 NAS-FPN做的研究，不知道此方法在Scaled-YOLOv4上表现如何。

 

Copy-Paste方法有生成很多新的训练数据

• 两张图片的选择，是把图片a贴到图片b还是把图片b贴到图片a
• 也可以选择部分a图片中的实例贴到b中
• 在贴实例的时候，位置的选择

这些都会影响copy-paste的结果，下图就是各种各样的copy-paste方法

具体实现方法：

• 随机挑选两张图片，两张图片随机水平旋转，随机缩放
• 随机挑选其中一张图片的部分实例，贴到另一张图中
• 去掉完全被遮挡的实例
• 使用α去平滑paste的实例，使得与目标图片融合的更好 ，对pasted image（I2）的ground-truth做高斯滤波，得到一个mask图片α， target image是I1，增强后的结果这样计算I1 × α + I2 × (1 − α)

如此简单粗暴的方法得到了一个非常好的效果，证明了以前的几篇论文灌水严重。。。不过这就是深度学习发展的过程吧