分析伪造训练数据对深度学习系统性能的影响
计算机视觉与模式识别
2023-03-03 v1 人工智能
摘要
深度学习模型常受类不平衡和缺乏对分布偏移鲁棒性等各种问题困扰。除可用基准外，往往难以找到适合训练的数据。计算机视觉模型尤其如此。然而，随着生成对抗网络（GANs）的出现，现已可生成高质量合成数据。该合成数据可用于缓解深度学习模型面临的若干挑战。本工作中，我们详细分析了使用不同比例合成数据与真实（自然）数据混合训练计算机视觉模型的影响。我们分析了将不同量的合成数据与原始数据混合时，对模型分布外数据鲁棒性及预测总体质量的影响。
引用
@article{arxiv.2303.01268,
title = {Analyzing Effects of Fake Training Data on the Performance of Deep Learning Systems},
author = {Pratinav Seth and Akshat Bhandari and Kumud Lakara},
journal= {arXiv preprint arXiv:2303.01268},
year = {2023}
}
备注
Preprint