使用合成和真实数据分析对象检测性能

作者：Farzan Erlik Nowruzi,Prince Kapoor,Dhanvin Kolhatkar,Fahed Al Hassanat,Robert Laganiere,Julien Rebut

摘要：近年来，深度学习模型已经在包括计算机视觉在内的各个领域取得了巨大的进步。 从本质上讲，深度模型的监督培训需要大量数据。 这种理想情况通常不易处理，因为数据注释是一项非常耗费精力且成本高昂的任务。 另一种方法是使用合成数据。 在本文中，我们将全面研究用合成数据替换实际数据的效果。 我们进一步分析了拥有有限数量的实际数据的影响。 我们使用多个合成和真实数据集以及模拟工具来创建大量廉价注释的合成数据。 我们分析每个数据集的域相似性。 我们提供了有关设计使用这些数据集训练深度网络的方法程序的见解。

原文标题：How much real data do we actually need: Analyzing object detection performance using synthetic and real data

原文链接：https://arxiv.org/abs/1907.07061