Data Augmentation Method Based on Context-Aware Patch for Remote Sensing Object Detection

doi:10.1109/lgrs.2026.3729279

Data Augmentation Method Based on Context-Aware Patch for Remote Sensing Object Detection

2026-09-02

0

PRE

AI

Y

Yogendra Rao Musunuri

Sun-Yuan Kung (Sun‐Yuan Kung)

DOI：10.1109/lgrs.2026.3729279

原文链接

原文求助

摘要

En 中文

高空影像中的目标检测因其对城市规划、环境监测和灾害响应等应用的关键作用而备受关注。然而，类别不平衡仍是一个持续存在的挑战，因为在大多数遥感数据集中，少数类别的实例数量少于主导类别。为解决此问题，我们提出了一种新颖的基于上下文感知补丁（CAP）的数据增强方法，通过有选择地选择捐赠图像和语义兼容的对象实例来缓解类别不平衡。所提出的方法具有两项关键创新。首先，它通过利用类别特定的捐赠图像集合并施加几何和语义约束（如边界、形状和类别）来保持上下文一致性。其次，它引入了一个基于数据集统计计算出的类别平衡阈值，以动态调节少数类别的增强复制-粘贴概率。我们在DOTA-v1.0上评估了该方法，结果表明，在少数类别上mAP@0.5和mAP@0.5–0.95显著提升，同时保持了对多数类别的竞争力性能。

Keyword:

Aerial imagery

class-balancing threshold

class-imbalance

context-aware

object detection

remote sensing

Data Augmentation Method Based on Context-Aware Patch for Remote Sensing Object Detection

摘要

期刊

机构

引用论文