图像分类深度学习数据增强的初步研究
计算机视觉与模式识别
2019-07-01 v1 机器学习
图像与视频处理
摘要
深度学习模型拥有大量自由参数，需要通过在海量训练数据上对模型进行有效训练来计算，以提升其泛化性能。然而，在实际中数据获取与标注成本高昂。数据增强是缓解此问题的方法之一。本文对三个变量（增强方法、增强率以及每个标签的基础数据集大小）如何影响图像分类深度学习的准确率进行了初步研究。研究提供了一些指导：（1）最好使用改变图像几何形状的变换，而非仅改变光照和颜色的变换。（2）2-3 倍的增强率足以满足训练需求。（3）数据量越少，数据增强的贡献可能越明显。
引用
@article{arxiv.1906.11887,
title = {A Preliminary Study on Data Augmentation of Deep Learning for Image Classification},
author = {Benlin Hu and Cheng Lei and Dong Wang and Shu Zhang and Zhenyu Chen},
journal= {arXiv preprint arXiv:1906.11887},
year = {2019}
}
备注
4 pages, 4 figures