网络内部的数据增强
计算机视觉与模式识别
2023-06-27 v2 机器学习
神经与进化计算
摘要
在本文中，我们提出网络内部的数据增强（augmentation inside the network），一种在卷积神经网络的中间特征上模拟计算机视觉问题的数据增强技术的方法。我们执行这些变换，改变数据在网络中的流动，并在可能时共享公共计算。我们的方法使我们能够获得更平滑的速度-精度权衡调整，并取得比使用标准测试时增强（TTA）技术更好的结果。此外，当与测试时增强结合时，我们的方法可进一步提升模型性能。我们在 ImageNet-2012 和 CIFAR-100 数据集上验证了我们的图像分类方法。我们提出了一种比翻转测试时增强快 30% 且对 CIFAR-100 取得相同结果的改进方案。
引用
@article{arxiv.2012.10769,
title = {Augmentation Inside the Network},
author = {Maciej Sypetkowski and Jakub Jasiulewicz and Zbigniew Wojna},
journal= {arXiv preprint arXiv:2012.10769},
year = {2023}
}