Vehicle detection on small scale data by generative data augmentation

Eğitim verilerinin yetersiz olması durumu, derin sinir ağlarının potansiyellerini açığa çıkarmasında en önde gelen sorunlardan biridir. Veri eksikliği probleminin üstesinden gelmek için, derin sinir ağlarının eğitim öncesi ve eğitim aşamaları sırasında veri artırma tekniklerine sıklıkla başvurulur. Bu teknikler, eğitim örneği sayısını ve örneklerin dağılımını artırarak bir sinir ağının belirli bir test seti için performansını artırmayı amaçlamaktadır. Bu çalışmada, sadece eğitim verilerindeki araç sınıfına ait nesnelerin sınırlayıcı kutu etiketleri kullanılarak bir veri artırım yöntemi önerilip, havadan çekilmiş az miktarda bulunan görüntülerde araç tespiti performansı geliştirilmeye odaklanılmıştır. Önerilen yöntemin koşullu üretken çekişmeli ağların (cGAN) farklı varyasyonlarıyla beraber çalışabileceği ve performansı iyileştirilebileceği gösterilmiştir. Önerilen yöntemdeki modüller eşsiz olmamakla birlikte değiştirilebilir veya modifiye edilebilir. Bununla birlikte obje tespit performansını daha da arttırmak için klasik data artırımı teknikleri ile birlikte kullanılabilir. Önerilen veri artırma yönteminin, Pluralistic, PSGAN, ve DeepFill üretken ağları ile birlikte kullanıldığında ortalama başarım hesaplamasında sırasıyla 25.2%, 32.7%, ve 25.7% seviyesine kadar artış sağladığı gösterildi.