基于复小波结构相似度的图像数据增强
计算机视觉与模式识别
2020-07-14 v1
摘要
神经网络学习的一大问题是可用于训练网络的数据不足。因此，过去几年中开发了数据增强技术，旨在以有限的真实世界样本增加人工训练数据的数量。本文特别关注 MNIST 手写数字数据集（一个用于数字识别的图像数据集）以及在该数据集上所进行的数据增强方法。随后我们详细考察了该数据集最常用的增强技术之一——弹性形变，并指出其缺陷在于数据质量退化，从而向训练集中引入了不相关数据。为减少这种不相关性，我们提出使用一种称为复小波结构相似度指数（Complex Wavelet Structural Similarity Index Measure, CWSSIM）的相似性度量，在增强数据集之前有选择地滤除不相关数据。我们将观察结果与现有增强技术进行比较，发现所提方法的效果优于现有技术。
引用
@article{arxiv.2007.05853,
title = {Complex Wavelet SSIM based Image Data Augmentation},
author = {Ritin Raveendran and Aviral Singh and Rajesh Kumar M},
journal= {arXiv preprint arXiv:2007.05853},
year = {2020}
}