文件名称：Copy-Paste-Augmenter:复制粘贴增强库
文件大小：23.77MB
文件格式：ZIP
更新时间：2024-06-18 14:18:44
Python
复制粘贴增强器 根据我们的基准测试和某些其他论文，将类的实例复制粘贴到图像中有助于提高检测和分割网络的性能。 我们在 Cityscapes 上运行语义分割，结果如下所示。 我们使用 DeepLabV3 和 ResNet101 主干，该主干在 COCO train2017 上进行了预训练。 我们切换 Cityscapes 分割，使用 500 张图像进行训练，使用 2975 张图像进行验证。 如果我们为每个图像增加 1 个实例，我们将在训练集中引入该类的 500 个以上实例。 如果我们为每个图像添加 2 个，则增加 1000 个实例，依此类推。 我们可以使用 4 种增强： 适当的缩放和适当的放置 适当的缩放和随机放置 随机缩放和适当放置 随机缩放和随机放置 在我们开始增强之前，我们需要将实例复制到图像中。 如果我们想将People到图像中，我们为 people 运行class_extr
【文件预览】：
Copy-Paste-Augmenter-master
----sample_images()
--------40-50-placement.png(737KB)
--------ex1C.png(2.68MB)
--------random-placement-limit.png(735KB)
--------random-placement.png(695KB)
--------40-50.png(2.58MB)
--------10-20-placement.png(740KB)
--------ex2C.png(2.71MB)
--------limited-placement.png(1.44MB)
--------rs-pp.png(2.55MB)
--------10-20.png(2.59MB)
--------proper-placement.png(721KB)
--------rs-rp.png(2.57MB)
--------scaling_triangle.png(724KB)
--------combined-ps-rp.png(2.67MB)
----class_extractor.py(2KB)
----labels.py(789B)
----test.py(3KB)
----dataset_reader.py(1KB)
----LICENSE(1KB)
----sample_1.py(1KB)
----.gitignore(46B)
----README.md(6KB)
----Augmenter()
--------utils.py(4KB)
--------base_augmenter.py(10KB)
--------__init__.py(0B)