57.3 AP 刷新COCO目标检测与实例分割纪录！谷歌提出复制-粘贴作为增强实例分割的数据增强方法

在COCO目标检测与实例分割两项任务中均获第一！在目标检测方面达到57.3%的AP，在实例分割方面则获得了49.1%的AP。

Direct and straightforward, the method represents a Powerful Data Augmentation Technique specifically applied to Instance Segmentation.

作者单位：谷歌大脑（Quoc V. Le等人）, 加州大学伯克利分校, 康奈尔大学

论文下载链接：https://arxiv.org/abs/2012.07177

注：文末附目标检测交流群

开发一种高效且具备处理罕见对象类别能力的实例分割模型，在计算机视觉领域是一项具有挑战性的任务。数据增强方法有望成为解决这一难题的有效途径。我们进行了系统性研究以探索将目标实例随机放置在图像背景中的分割方法，并特别关注复制-粘贴增广技术（引用来源[13,12]）。

![在这里插入图片描述](https://ad.itadn.com/c/weblog/blog-img/image