数据增强：裁剪 》 flip 》 erasing（缓解遮挡）

https://zhuanlan.zhihu.com/p/103267422

论文阅读】random erasing data augmentation code

论文说明

论文为CNN训练提出了一种新的数据增强方法。Random Erasing，在一张图片中随机的选择一个矩形框，在随机的位置上使用随机的值来擦除图片原来的像素。通过该方法能够给图片加入不同程度的遮挡，通过这样的训练数据，可以减少模型过拟合的风险同时对遮挡具有一定的鲁棒性。随机擦除和random cropping，random flipping一样可以作为数据增强的方法，在分类，检测和行人重识别领域能够取得不错的效果。

论文算法

作为图片预处理方法，思想比较简单，主要算法如上图，输入图片  ,擦除的概率  ,擦除区域比例范围从  ，以及长宽比概率范围从  。

首先根据概率  确定一张图片是否需要擦除：

 则不对图片进行处理，反之，则需要擦除。

根据输入图片  可以得到图片的长宽  ，继而可以得到面积  。根据  得到擦除的面积  ，擦除面积的长宽根据下式得到：

再根据  得到在原图中擦除的左上角位置  。加上长宽  便可以得到擦除区域的位置。考虑到  的情况，一旦是该情况便重复该算法，直到满足  。实际上随机的区域限定在一个范围就好，没必要做重复的操作。具体的擦除代码

论文实验

论文提出的数据增强法法简洁实用，做的一些实验很值得我们以后利用，这也是之前一直只是用该方法却没有看该论文的遗憾，其实论文做了很多实验，分析了一些有用的东西。

image classification

作者参数设置为  分类实验都是在加了random cropping 和flipping基础上做的，

可以看到基本上加上random erasing对实验结果都是有提升的。

比较数据增强方法：

通过实验可以发现效果最好的是random cropping方法，其次是random flipping ,最后才是random erasing。但是三种一起使用确实能得到最好的效果。

Person re-identification

行人重识别参数设置为  ，作者的实验总结了一个我不久前才知道的一个事情。当每个ID下数据较多时，像market1501和duke数据集，使用softmax方法的效果要优于三元组的方法，而当每个ID下数据较少时，也就是每个类别缺乏足够的训练样本，使用三元组的效果要优于softmax。当数据量大的时候需要考虑下该情况