用于物体检测系统的物体-背景融合增强方法

《IEEE Access》：Object-Background Blending Augmentation Method for Object Detection Systems

　　

摘要：

在航空图像中进行可靠的物体检测对于无人机监控、灾害监测以及基础设施保护等应用而言至关重要。现代物体检测器在标准测试中的表现相当出色，但在面对部分遮挡、物体尺寸较小以及背景复杂等复杂情况时，其稳定性往往会下降。本研究提出了一种基于情境感知的物体-背景融合数据增强方法（OBBA），该方法旨在解决航空图像特有的挑战，同时仍适用于一般的物体检测系统。该算法从图像背景中提取块状区域，并将其叠加到物体上，从而模拟出部分遮挡和伪装效果，同时保持背景的真实感。在VisDrone和Pascal VOC 2007数据集上，该增强方法在三种轻量级的YOLO架构上进行了测试，与基于边界框约束的CutOut和MixUp方法进行了比较。在VisDrone数据集上，所有增强方法均比未经增强的基准方法有更好的表现，其中OBBA在所有测试架构中都能保持稳定的提升效果，且性能可与CutOut和MixUp相媲美。在Pascal VOC 2007数据集上，OBBA在各项指标中的mAP50-95值均为最高。进一步的遮挡稳定性实验表明，OBBA在不同程度的遮挡情况下仍能保持良好的性能。这些结果说明，OBBA是一种有效的增强策略，可作为一种替代方案或补充手段，用于现有的物体检测方法。