对抗性图像增强的挑战
机器学习
2021-12-06 v2 计算机视觉与模式识别
摘要
训练期间应用的图像增强对于图像分类器的泛化性能至关重要。因此，大量研究集中于为给定任务寻找最优增强策略。然而，RandAugment [2]，一种简单的随机增强策略，最近被证明优于现有的复杂策略。只有Adversarial AutoAugment (AdvAA) [11]，一种基于对抗训练思想的方法，被证明优于RandAugment。在本文中，我们表明，与最优对抗方法以及简单课程学习相比，随机增强仍然具有竞争力，并推测AdvAA的成功归因于策略控制器网络的随机性，它引入了一种温和的课程学习形式。
引用
@article{arxiv.2111.12427,
title = {Challenges of Adversarial Image Augmentations},
author = {Arno Blaas and Xavier Suau and Jason Ramapuram and Nicholas Apostoloff and Luca Zappella},
journal= {arXiv preprint arXiv:2111.12427},
year = {2021}
}
备注
To appear at the ICBINB 2021 Neurips Workshop