ディープラーニングを用いた物体検出においては, データ数が多くなると精度が上がる傾向にあるが, 高い精度を得るには多数のデータが必要となる. これに対処する手段として, データ拡張が存在する. 本研究ではデータ拡張の一手法として, GAN(Generative Adversarial Network)を用いた画像生成を採用する.
具体的には, 生成画像の中で形状が歪んだものに焦点を当て, データ拡張を行う. 本研究の目的は, GANを用いたデータ拡張が物体検出の精度向上にどの程度寄与するかの調査である. 特に, 形状が歪んだ画像を生成することで, モデルの汎化性能を高めることを目指す.