基于数据增广的道路场景小目标检测

作     者：黄紫旗 刘小珠 石英 林朝俊 HUANG Zi-qi;LIU Xiao-zhu;SHI Ying;LIN Chao-jun

作者机构：武汉理工大学自动化学院武汉430070 

出 版 物：《武汉理工大学学报》 (Journal of Wuhan University of Technology)

年 卷 期：2022年第44卷第11期

页      面：79-87页

学科分类：0810[工学-信息与通信工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0708[理学-地球物理学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52105528) 

主　　题：小目标检测 随机概率重采样 自适应尺度均衡 数据增广 

摘      要：道路场景目标检测技术受限于数据集及目标检测算法,不同尺度目标检测精度差异显著,其中小目标检测性能较差。数据增广是解决该问题的主要手段,增加道路场景小目标训练样本,改变各尺度训练样本不均衡分布,提升其检测性能。针对等概率重采样存在局限性,提出随机概率重采样策略,增加了对小目标性能影响显著的训练图像。针对各尺度目标训练样本数量分布不均衡,提出自适应尺度均衡策略(Adaptive Scale matching Cutout,AdaSMC),缓解了大、中等目标被过度增广的问题。融合随机概率重采样和AdaSMC两种增广策略,提出应用于道路场景的融合增广算法。在Cityscapes数据集实验结果表明,该融合算法在保证实时性的前提下,APs提升1.9%,ARs提升1.7%。