使用边界框进行数据增强

Posted 2023-03-16

【中文标题】使用边界框进行数据增强

【英文标题】：Data augmentation with bounding boxes

【发布时间】：2021-06-08 15:52:12

【问题描述】：

我想使用 YOLO v4 训练对象检测模型。我有一个文件夹，其中包含 txt 文件中带有边界框注释的 jpg 图像。我没有太多数据，所以我决定对我的数据进行一些数据扩充。我遇到了以下问题：

我已经尝试过 Roboflow，因此我可以直接在 txt 文件中使用边界框，但问题是 Roboflow 会随机应用数据增强，有时它会给出相同的图片或仅应用很小的变化。 我尝试了 Albumentations，但边界框出现问题，我尝试了 Pascal voc 格式，它有效，但我不知道如何为整个数据集自动执行此操作。

有没有其他解决方案或建议，我将不胜感激。 谢谢

【参考方案1】：

您不必过多担心数据增强，因为它具有许多数据增强技术，可用于帮助提高模型性能和泛化能力。

YoloV4 使用的一些数据增强技术是CutMix, Blurring, Class label smoothing, Mosaic data augmentation, Self-Adversarial Training。您可以从 YoloV4 论文here中了解更多关于各种增强方法的不同类型和影响

Here 是在 YoloV4 的 this GitHub 实现中使用的所有数据增强技术的列表