randAugmentation

randAugmentation

主要思想:

随机的选择transformation,finetune它的magnitute

关注点转移到了如何大幅减少数据增强的参数空间


成果:

在目标检测方面,RandAugment能比基线增强方法提高1.0-1.3%。

速度极大加快


具体思想:
不考虑的参数

为了减少参数空间的同时保持数据(图像)的多样性,研究人员用无参数过程替代了学习的策略和概率

这些策略和概率适用于每次变换(transformation),该过程始终选择均匀概率为1/k的变换。

也就是说,给定训练图像的N个变换,RandAugment就能表示KN个潜在策略。

考虑的参数:

需要考虑到的一组参数是每个增强失真(augmentation distortion)的大小。

假设一个单一的全局失真M(global distortion M)可能就足以对所有转换进行参数化。


操作:
transforms = ["Identity"
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值