BBoxCut: A Targeted Data Augmentation Technique for Enhancing Wheat Head Detection Under Occlusions
作者: Yasashwini Sai Gowri P, Karthik Seemakurthy, Andrews Agyemang Opoku, Sita Devi Bharatula
发布时间: 2025-04-03
来源: arxiv
研究方向: 计算机视觉，特别是目标检测和图像处理
主要内容
提出了一种名为BBoxCut的数据增强技术，旨在提高在遮挡情况下小麦穗检测的性能。
主要贡献
1. 提出了一种新的数据增强方法，专门用于解决遮挡情况下的小麦穗检测问题。
2. 通过使用基于直方图的主导颜色估计，增强了数据增强的效果。
3. 通过控制概率参数，实现了对数据增强过程的精细控制。
研究方法
1. 识别非重叠的边界框，通过计算IoU来排除重叠的边界框。
2. 基于直方图的主导颜色估计，用于生成遮挡区域的颜色。
3. 对非重叠边界框进行概率采样，以选择要遮挡的区域。
4. 随机采样区域内的像素，并将它们替换为生成的遮挡颜色。
实验结果
在GWHD 2021数据集上进行的实验表明，BBoxCut方法在小麦穗检测任务上取得了显著的性能提升。
未来工作
可以探索将BBoxCut技术应用于其他具有遮挡问题的目标检测任务，并研究如何进一步优化数据增强过程，以适应不同的应用场景。