在训练实例分割时,如何最好地对图像数据集进行增强?

我正在使用YOLACT实例分割模型来训练一组图像。数据集的规模非常小(大约20张图像)。模型无法正常收敛(当然这是因为数据集规模的问题)。我想通过添加一些增强后的图像来增加数据集的规模。我知道有各种图像增强技术和软件包,如imgaug、albumentation、opencv等,但我需要图像和标注文件(COCO JSON格式)来训练模型。

有没有一个软件包可以帮助我自动生成增强图像的标注?

或者有没有更好的方法来解决我的问题?


回答:

Simple Copy Paste 是针对实例分割相关任务的数据增强的一个强大方法。

查看相关研究论文请点击这里

对于非官方的GitHub代码,请查看这里

AlbumentationTorMentor 也是数据增强的有用库。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注