一篇发表在arXiv上的研究评估了合成和衍生图像在改进用于校园垃圾检测的YOLOv8n目标检测模型方面的有效性。研究发现，没有一种测试的增强配置，包括背景替换和孤立对象图像，能够超越仅使用真实校园照片训练的模型。仅真实数据模型实现了0.691的平均精度均值，而增强策略导致分数较低，完全增强池的得分为0.487。该研究还探讨了手和前臂组合的影响，但未发现可靠效果。 AI
影响 表明对于校园垃圾检测等特定计算机视觉任务，真实世界数据可能仍然优于合成增强。
排序理由 学术论文，详细介绍了特定模型在合成数据上性能的评估。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
