[NAS-AutoAug]AutoAugment: Learning Augmentation Strategies from Data

论文链接：AutoAugment: Learning Augmentation Strategies from Data
CVPR 2019

---

论文设计了自动搜索数据增强策略的方法。在限定的数据增强的搜索空间中采样出数据增强policy。根据policy对图像进行变换后输入训练 ，把验证集的acc作为reward信息反馈给增强学习算法，不断交互，获取最好效果的policy。

(1)直接在数据集上搜索
(2)policy迁移到其他数据集也有效（将imagenet policy迁移到FGVC、Stanford Cars 和 FGVC Aircraft）

论文：从数据中学习数据增强策略的方法原则上可以用于任何数据集，而不仅仅是一个数据集。

---

搜索算法

增强学习controller RNN：有30 softmax predictions，controller使用policy gradient更新。controller RNN：一层100 个隐藏单元的LSTM，对两个卷积层2 × 5B个预测（B通常是5）
训练算法： PPO
采样增强策略： $S$，$S$包含图像处理的操作、在每个batch使用操作的概率以及操作的程度。使用 S