mscoco数据集_重磅！小目标检测的数据增广秘籍

关注微信公众号：人工智能前沿讲习，重磅干货，第一时间送达

简介

arXiv: https://arxiv.org/abs/1902.07296

github: None

作者团队：Tensorflight等

注：2019年02月19日刚出炉的paper

Abstract：近年来，目标检测取得了令人瞩目的进展。尽管有这些改进，但在检测小物体和大物体之间的性能仍然存在显著差距。我们在具有挑战性的数据集MS COCO上分析当前最先进的模型Mask-RCNN。我们表明，小 ground-truth 物体与预测锚点之间的重叠远低于预期的IoU阈值。我们猜想这是由于两个因素造成的：(1)只有少数图像包含小目标，(2)即使在包含它们的每个图像中，小目标也看起来不够。因此，我们建议对这些带有小目标的图像进行过采样，并通过多次 copy-pasting 小目标来对每个图像进行增强。它允许我们将大型目标上的检测器质量与小物体上的检测器质量进行权衡。我们评估了不同的 pasting 增强策略，最终，