用于视觉识别的增强路径网络
计算机视觉与模式识别
2023-03-17 v2
摘要
数据增强对视觉识别具实用助益，尤其在数据稀缺时。然而，此成功仅局限于极少数轻量增强（如随机裁剪、翻转）。由于原始与增强图像间巨大差距，重量级增强在训练中或不稳定或显负面效应。本文引入一种新颖网络设计，称为增强路径（AP），以系统稳定地在更广增强策略范围内训练。值得注意的是，AP 驯服各类重量级数据增强，并稳定提升性能，而无需在增强策略间精挑细选。不同于传统单一路径，增强图像于不同神经路径处理。主路径处理轻量增强，其他路径聚焦更重增强。通过依序与多路径交互，骨干网络鲁棒地从增强间共享视觉模式学习，并同时抑制重量级增强的副作用。此外，我们将 AP 扩展至高阶版本以应高阶场景，展示其实用中的鲁棒与灵活。ImageNet 上实验结果表明其对更广增强范围的兼容与有效，且推理时耗用更少参数与更低计算成本。
引用
@article{arxiv.2107.11990,
title = {Augmentation Pathways Network for Visual Recognition},
author = {Yalong Bai and Mohan Zhou and Wei Zhang and Bowen Zhou and Tao Mei},
journal= {arXiv preprint arXiv:2107.11990},
year = {2023}
}
备注
accepted by TPAMI 2023