在训练实例分割时在图像数据集上创建增强的最佳方法是什么？答案

【问题标题】：What is the best way to create augmentation on image dataset while training instance segmentation?在训练实例分割时在图像数据集上创建增强的最佳方法是什么？
【发布时间】：2021-01-20 15:02:22
【问题描述】：

背景：我正在使用 YOLACT 实例分割模型来训练一组图像。数据集非常小（约 20 张图像）。该模型没有正确收敛（当然考虑到数据集的大小）。我想通过添加一些增强图像来增加数据集的大小。我知道我们有各种图像增强技术和软件包，如 imgaug、albumentation、opencv 等，但我需要图像和注释文件 (COCO JSON) 格式来训练模型。

所以我的问题是：

是否有一个包可以帮助我自动生成增强图像的注释？

或

有没有更好的方法来解决我的问题？

提前感谢您的帮助！

【问题讨论】：

标签： deep-learning computer-vision pytorch artificial-intelligence image-segmentation

【解决方案1】：

试试这个：tensorflow.keras.preprocessing.image.ImageDataGenerator

【讨论】：

【解决方案2】：

Simple Copy Paste 是用于实例分割相关任务的数据增强的强大方法。

查看研究论文here。

非官方github代码，查看here

【讨论】：