qq_996686006的博客

GridMask（2020）论文链接代码链接GridMask给定一幅图像，随机的移除一个不连续的像素集合。输入图像x∈RH∗W∗Cx\in R^{H*W*C}x∈RH∗W∗C，M∈{0,1}H∗WM \in \{0,1\}^{H*W}M∈{0,1}H∗W为待除去像素的二进制掩码（M=1M=1M=1则保留像素，否则移除该像素），x~\tilde{x}x~为结果。(r,d,δx,δy)(r,d,\delta_x,\delta_y)(r,d,δx​,δy​)表示一个MMM块，每个遮挡都是通过如图

Random Erasing Data Augmentation（随机擦除数据增强）优势一种轻量级方法，不需要任何额外的参数或内存消耗，它可以在不改变学习策略的情况下与各种CNN模型集成对于现有的数据增强和正则化方法的补充。两者结合使用，Random Erasing进一步提高了识别性能。在图像分类、目标检测和行人重识别方面，提高了深度模型的性能提高鲁棒性。实验数据集图像分类CIFAR-10包含10个类的50000个训练图像和10000个测试图像（3232彩色图像）.CIFAR-100包