Attribute Mix：面向细粒度识别的语义数据增强
计算机视觉与模式识别
2020-07-10 v2
摘要
收集细粒度标签通常需要专家级领域知识，且难以大规模扩展。本文提出 Attribute Mix，一种在属性层面进行的数据增强策略，以扩展细粒度样本。其原理在于属性特征在细粒度子类别间共享，并可在图像间无缝迁移。为此，我们提出一种自动属性挖掘方法，以发现属于同一超类别的属性，而 Attribute Mix 通过混合来自两幅图像的语义属性特征来操作。Attribute Mix 是一种简单但有效的数据增强策略，能在不增加推理预算的情况下显著提升识别性能。此外，由于属性可在来自同一超类别的图像间共享，我们进一步利用通用领域的图像以属性级标签丰富训练样本。在广泛使用的细粒度基准上的实验证明了所提方法的有效性。
引用
@article{arxiv.2004.02684,
title = {Attribute Mix: Semantic Data Augmentation for Fine Grained Recognition},
author = {Hao Li and Xiaopeng Zhang and Hongkai Xiong and Qi Tian},
journal= {arXiv preprint arXiv:2004.02684},
year = {2020}
}