![](https://img-blog.csdnimg.cn/2019091813595558.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
数据增强
文章平均质量分 88
data argument 论文阅读笔记
时光机゚
为了我的名字~。~
展开
-
【论文阅读笔记】Learning Data Augmentation Strategies for Object Detection
论文地址:https://arxiv.org/abs/1906.11172论文总结 本文是19年关于目标检测数据增强的论文,也没有提出啥开创性思想,主要思想就是“目标检测的数据增强应该和分类不一样,要有一些不同的数据增强策略”,然后做了一些实验来验证数据增强的组合。 然后通过搜索,得到了几组数据增强策略。还有就是,可以在小数据集上进行策略的应用,该策略在大数据集上也能有足够的泛化效应。 作者的贡献主要在搜索方法上,通过强化学习等工具,离散优化搜索策略空间。 学习到的5个子策略,如下图所示:原创 2021-02-04 20:20:50 · 414 阅读 · 1 评论 -
【论文阅读笔记】Random Erasing Data Augmentation
论文地址:random erasing论文总结 本文的方法名为random erasing,是一种数据增强的方法。通过随机选择不同大小的方形区域,填充随机像素值,达到增加数据遮挡效果的数据增强。 与cutout不同的地方有三点:(1)选择的方形大小不是固定的;(2)填充区域选择的是[0,255]的随机值,而不是0;(3)方形区域限制在图像内;论文介绍 如果通过添加遮挡的图像来解决遮挡数据集的数据增广,这花费显得昂贵了,而且遮挡的等级可能会收到限制。由于选择的区域大小是随机的,所以random原创 2020-07-14 15:34:31 · 1766 阅读 · 0 评论 -
【论文阅读笔记】Imporved Regularization of Convolutional Neural Networks with Cutout
论文总结 本文的方法名为cutout,是一种数据增强的方法,主要应用于分类任务中。 cutout的实现方法为,在图像中随机选取一个点作为中心点,覆盖一个固定大小的方形zero-mask。mask的大小是一个超参数,在文中是通过网格搜索得到的长度。mask区域可以在图像外。论文介绍 cutout方法提出的出发点是作为一个正则化方法,防止CNN过拟合。cutcout方法很简单,就是在训练的时候,在随机位置应用一个方形矩阵。 作者认为这种技术鼓励网络去利用整个图片的信息,而不是依赖于小部分原创 2020-07-13 21:51:33 · 1507 阅读 · 0 评论