Select-Mosaic: Data Augmentation Method for Dense Small Object Scenes

数据增强是指对原始数据应用一系列转换或扩展，以生成新的样本，从而增加数据的多样性和数量，有效提高模型的性能和鲁棒性。作为常见的数据增强方法，马赛克数据增强技术将多个图像拼接在一起，增加训练数据的多样性和复杂性，从而降低过拟合的风险。尽管马赛克数据增强通过拼接图像在一般检测任务中取得了出色的结果，但对于特定的检测任务仍存在一定的局限性。本文提出了Select-Mosaic数据增强方法来解决在航空图像中检测大量密集分布的小物体的挑战，该方法通过改进细粒度区域选择策略进行改进。改进后的Select-Mosaic方法在处理密集小物体检测任务方面表现出优异的性能，显著提高了检测模型的准确性和稳定性。代码可在https://github.com/malagoutou/Select-Mosaic获取。

论文旨在解决在航拍图像中检测大量密集小目标的挑战。

论文提出了Select-Mosaic数据增强方法，该方法通过改进的细粒度区域选择策略，显著提高了密集小目标检测任务的准确性和稳定性。

论文通过对比实验表明，Select-Mosaic方法相比于传统的Mosaic数据增强方法，在处理密集小目标检测任务时具有更好的性能。论文还提供了开源代码。

近期的相关研究包括：'Mosaic-based data augmentation for object detection in satellite images'，'Data augmentation for object detection via progressive and selective instance-switching'等。