ROIMIX: Propuesta de fusión entre múltiples imágenes para la detección de objetos subacuáticos

Los algoritmos de detección de objetos genéricos han demostrado su excelente rendimiento en los últimos años. Sin embargo, la detección de objetos en conjuntos de datos subacuáticos aún está menos explorada. A diferencia de los conjuntos de datos genéricos, las imágenes subacuáticas generalmente tienen un cambio de color y bajo contraste; el sedimento causaría difuminado en las imágenes subacuáticas. Además, las criaturas submarinas a menudo aparecen muy cerca unas de otras en las imágenes debido a sus hábitos de vida. Para abordar estos problemas, nuestro trabajo investiga políticas de aumento para simular objetos superpuestos, ocluidos y borrosos, y construimos un modelo capaz de lograr una mejor generalización. Proponemos un método de aumento llamado RoIMix, que caracteriza las interacciones entre imágenes. Las propuestas extraídas de diferentes imágenes se mezclan entre sí. Los métodos de aumento de datos anteriores operan sobre una sola imagen, mientras que aplicamos RoIMix a múltiples imágenes para crear muestras mejoradas como datos de entrenamiento. Los experimentos muestran que nuestro método propuesto mejora el rendimiento de los detectores de objetos basados en regiones en los conjuntos de datos Pascal VOC y URPC.