Cut-Thumbnail：一种用于卷积神经网络的新型数据增强方法
计算机视觉与模式识别
2021-10-27 v2
摘要
本文提出一种名为 Cut-Thumbnail 的新型数据增强策略，旨在改善网络的形状偏置。我们将图像缩小至特定尺寸，并用缩小后的图像替换原图像的随机区域。所生成的图像不仅保留了原图像的大部分信息，还包含了缩小图像中的全局信息。我们将缩小后的图像称为缩略图。此外，我们发现缩略图的思想可与混合样本数据增强完美结合，因此我们将一幅图像的缩略图置于另一幅图像上，同时混合其真实标签，从而在各类计算机视觉任务上取得优异成绩。大量实验表明，Cut-Thumbnail 在分类、细粒度图像分类和目标检测上均优于当前最优的增强策略。在 ImageNet 分类上，采用我们方法的 ResNet-50 架构达到了 79.21\% 准确率，较基线提升超过 2.8\%。
引用
@article{arxiv.2103.05342,
title = {Cut-Thumbnail: A Novel Data Augmentation for Convolutional Neural Network},
author = {Tianshu Xie and Xuan Cheng and Minghui Liu and Jiali Deng and Xiaomin Wang and Ming Liu},
journal= {arXiv preprint arXiv:2103.05342},
year = {2021}
}
备注
Accepted at ACM MM 2021