[논문 리뷰] Select-Mosaic: Data Augmentation Method for Dense Small Object Scenes

Hao Zhang, Shuaijie Zhang외 1명|arXiv (Cornell University)|2024. 06. 08.

Computer Graphics and Visualization Techniques인용 수 5

한 줄 요약

Select-Mosaic는 고밀도 분포의 작은 물체를 항공 영상에서 탐지하기 위해 미세한 영역 선택 전략을 갖춘 향상된 Mosaic 데이터 증강 기법이다.

ABSTRACT

Data augmentation refers to the process of applying a series of transformations or expansions to original data to generate new samples, thereby increasing the diversity and quantity of the data, effectively improving the performance and robustness of models. As a common data augmentation method, Mosaic data augmentation technique stitches multiple images together to increase the diversity and complexity of training data, thereby reducing the risk of overfitting. Although Mosaic data augmentation achieves excellent results in general detection tasks by stitching images together, it still has certain limitations for specific detection tasks. This paper addresses the challenge of detecting a large number of densely distributed small objects in aerial images by proposing the Select-Mosaic data augmentation method, which is improved with a fine-grained region selection strategy. The improved Select-Mosaic method demonstrates superior performance in handling dense small object detection tasks, significantly enhancing the accuracy and stability of detection models. Code is available at https://github.com/malagoutou/Select-Mosaic.

연구 동기 및 목표

• 항공 영상에서 밀집 분포의 작은 물체 탐지 향상을 촉진한다.
• 밀집된 장면에 대한 표준 Mosaic 증강의 한계를 다룬다.
• 증강 품질을 향상시키기 위한 미세한 영역 선택 전략을 개발한다.
• 작은 물체가 풍부한 장면의 탐지 정확도와 안정성을 향상시킨다.

제안 방법

• 미세한 영역 선택 전략을 도입하여 Mosaic 데이터 증강을 기반으로 한다.
• Mosaic과 유사하게 다수의 이미지를 연결하되 작은 물체에 더 높은 관련성이 있는 영역을 선택한다.
• 밀집된 작은 물체 탐지 작업에서 향상된 성능을 입증한다.
• 재현성을 가능하게 하는 코드 공개를 제공한다.

실험 결과

연구 질문

• RQ1 표준 Mosaic와 비교하여 Select-Mosaic가 밀집 분포의 작은 물체 탐지 정확도를 향상시킬 수 있는가?
• RQ2 밀집한 소물체 장면에서 미세한 영역 선택 전략이 모델의 강인성과 안정성에 어떤 영향을 미치는가?
• RQ3 소물체가 다수인 항공 영상에 대해 Select-Mosaic가 효과적인가?
• RQ4 학습 다양성과 과적합 위험에 대한 Select-Mosaic의 영향은 무엇인가?

주요 결과

• Select-Mosaic는 밀집된 작은 물체 탐지 작업 처리에서 우수한 성능을 나타낸다.
• 이 방법은 밀집한 소형 물체 시나리오에서 탐지 모델의 정확도와 안정성을 향상시킨다.
• 관련 작은 물체 영역에 초점을 맞추면서 학습 데이터 다양성을 향상시킨다.