في مجالات مثل التشخيص الطبي والقيادة الذكية، هناك طلب متزايد على دقة تقسيم الكائنات. تستعرض هذه الورقة بشكل رئيسي تقنيات زيادة البيانات وتأثيرها على أداء نماذج تقسيم الكائنات. الغرض من هذه الدراسة هو تقييم فعالية استراتيجيات الزيادة المختلفة في التخفيف من نقص البيانات وتحسين تعميم النموذج. تستخدم هذه الورقة أسلوب تحليل الوثائق لتلخيص نتائج طرق تعزيز تعتمد على تحويل الصور (الهندسة، اللون، الفلاتر، المسح العشوائي، دمج الصور) وطرق تعتمد على الشبكات العميقة (GAN، نقل الأسلوب العصبي). تظهر النتائج أن التحويلات الهندسية واللونية تعزز من قدرة النموذج على التكيف مع تباين الإضاءة، بينما يعزز المسح العشوائي ودمج الصور من قوته ضد الإعاقة والخلفيات المعقدة، وتساعد العينات الاصطناعية الناتجة عن GAN ونقل الأسلوب العصبي في تحسين دقة التقسيم. وجدت الدراسة أن الجمع المعقول بين استراتيجيات الزيادة المتعددة يمكن أن يحسن بشكل كبير من أداء تقسيم الكائنات، موفراً مراجع عملية للتطبيقات ذات الصلة وتحسينات الخوارزميات.
تساءلت يانا يانغ (الثلاثاء) في هذا الموضوع.