一. abstract 　　这些年来，目标检测取得了令人瞩目的成就。尽管改进很大，但对于小目标和大目标的检测性能差异还是蛮大的。我们在 MS COCO 数据集上分析了如今一个比较先进的算法，Mask-RCNN。我们发现小目标的 GT 和检测框之间 IOU 远小于期望的阈值（比如0.5）。我们推测 ...

数据增强（Data augmentation） 或许最简单的数据增强方法就是垂直镜像对称，假如，训练集中有这张图片，然后将其翻转得到右边的图像，实际是做了一个镜像对称，如果镜像操作保留了图像中想识别的物体的前提下，这是个很实用的数据增强技巧。 另一个经常使用的技巧是随机裁剪，给定一个 ...

小目标检测的增强算法 Augmentation for small object detection 摘要 近年来，目标检测取得了令人瞩目的进展。尽管有了这些改进，但在检测小目标和大目标之间的性能仍有很大的差距。本文在一个具有挑战性的数据集上分析了当前最先进的模型Mask RCNN，MS ...

1.1 简介 深层神经网络一般都需要大量的训练数据才能获得比较理想的结果。在数据量有限的情况下，可以通过数据增强（Data Augmentation）来增加训练样本的多样性， 提高模型鲁棒性，避免过拟合。 在计算机视觉中，典型的数据增强方法有翻转（Flip），旋转（Rotat ），缩放 ...

在我们处理有关图像的任务，比如目标检测，分类，语义分割等等问题当中，我们常常需要对训练集当中的图片进行数据增强（data augmentation）,这样会让训练集的样本增多，同时让神经网络模型的泛化能力更强。在进行图片的数据增强时，我们一般会对图像进行翻转，剪裁，灰度变化，对比度变化，颜色变化 ...

首先是XML信息 处理方式： 读取对应的图像，解析对应的xml，根据旋转的角度来变换之前检测到的坐标，以及保存变换后的图像。 处理结果： ...

Augmentor 使用介绍 原图 1.random_distortion(probability, grid_height, grid_width, magnitude) 最终选 ...

Data Augmentation For Bounding Boxes: Building Input Pipelines for your detector pytorch中检测分割模型中图像预处理探究 通过多线程进行加速: ...