机器视觉应用中的图像数据增广综述

林成创，单 纯，赵淦森+，杨志荣，彭 璟，陈少洁，黄润桦，李壮伟，易序晟，杜嘉华，李双印，罗浩宇，樊小毛，陈冰川

1.华南师范大学计算机学院，广州 510631

2.广东技术师范大学电子与信息学院，广州 510665

3.挪威科技大学，挪威特隆赫姆17491

4.广州市云计算安全与测评技术重点实验室，广州 510631

5.华南师范大学唯链区块链技术与应用联合实验室，广州 510631

6.广东财经大学统计与数学学院，广州 510320

机器视觉中的图像处理是人工智能的一个重要的研究领域，包括图像分类、语义分割、对象分割和目标检测等应用[1-3]。现阶段，随着硬件设施的不断完善和深度学习[4]技术的提出以及不断发展，基于深度学习的图像分类方法也日新月异。自Alex 等学者将深度卷积网络AlexNet[5]应用在图像分类中并取得远比其他传统图像分类方法更低的错误率后，基于深度学习的图像处理解决方案成为主流。随后，新的深度学习网络结构，如NiN[6]、VGG[7]、ReNet[8]、GoogLeNet[9]、ResNet[10]、InceptionNet[11-12]、MobileNet[13-15]、DenseNet[16]、EfficientNet[17]、ResNeXt[18]和ResNeSt[19]等网络结构被不断地提出并在不同的图像应用场景大放异彩。

深度学习在计算机视觉领域取得的巨大成功，主要归功于三大因素[1，20-21]：（1）强大的深度学习模型的表达容量；（2）不断增大的可获得算力；（3）大规模可获得的标注数据集。为了促进深度学习在不同的图像处理领域的发展，数以万计的不同类型的图像数据被收集、标注和公开应用，其中最著名的是ImageNet[22]。按照图像应用场景和图像类型进行划分，现有数据集可以从图像的类型上分成2D 数据集、2.5D 数据集和3D 数据集[22-40]，覆盖了图像分类、语义切割、对象分割和自动驾驶等各个应用，极大地促进了深度学习图像技术的发展。……