彩色裁剪：利用课程学习增强图像数据增强

数据增强是深度学习模型训练的正则化策略之一，它增强了泛化能力并防止过拟合，从而带来性能提升。尽管研究人员提出了各种数据增强技术，但它们往往缺乏对增强数据难度的考虑。最近，另一条研究路线建议在自然语言处理领域将课程学习的概念与数据增强相结合。在本研究中，我们将课程数据增强应用于图像数据增强，并提出了彩色裁剪，它逐步增加增强图像中引入的噪声和难度。我们的实验结果突出了课程数据增强在图像数据上的可能性。我们公开发布了源代码以提高我们研究的可重复性。