摘要
为快速增加车辆航拍图像的训练数据以提高检测模型的精度,从而提高车辆检测的准确度,提出了一种新的数据增强方法,将数据增强技术应用于提高无人机航拍图像中的车辆检测性能,并提出一套通用工作流和一种新的生成数据增强方法.工作流由Pluralistic Image Comple-tion生成器网络和Tiny YOLOv3检测器网络组成,分别用于新训练数据的生成和边框标注,同时也要均衡考虑相关的性能指标.生成数据增强方法包括训练阶段和增强阶段.训练阶段涉及对生成器网络和检测器网络的分别训练.增强阶段使用生成网络生成新样本,并使用检测器评估这些样本进行增强的可行性.评估后确定可行的样本组成增强训练数据集,用于之后的检测器训练.该方法只需要在训练数据集中对车辆对象加上边界框标注,并不需要任何额外的监督;且允许用更多数量的实例来训练检测器,尤其是在训练实例数量有限的情况下,以此提高车辆检测性能;同时,该方法可以与不同的生成器集成,具有一定的通用性.试验结果表明:在与Pluralistic和DeepFill集成时,该方法可使其平均精度分别提高25.2％和25.7％.
NETL
NSTL
维普
万方数据