POSEIDON数据增强工具在物体检测中的应用

在深度学习领域，训练复杂的神经网络架构时常常面临数据集有限且不平衡的问题。针对物体检测数据集的数据增强工具POSEIDON针对这一问题进行了改进。该工具通过将原始训练集中的物体和样本结合起来，同时利用图像元数据进行知情决策。我们将POSEIDON应用于海事环境中使用航空图像进行实时目标检测的任务，与其他平衡技术相比，如错误权重等技术，POSEIDON在YOLOv5和YOLOv8上实现了更好的性能。具体来说，POSEIDON提高了YOLOv5约2.33%的准确率和YOLOv8约4.6%的准确率。