航拍图像车辆检测的数据增强

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 Completion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%。