训练CNN中的数据增强：向图像注入噪声
计算机视觉与模式识别
2023-07-14 v1 机器学习
摘要
噪声注入是数据增强的基本工具，然而目前尚无被广泛接受的将其与学习框架相结合的程序。本研究分析了向卷积神经网络（CNN）架构添加或施加具有不同量级的不同噪声模型的影响。通过结构相似性（SSIM）度量，为以不同密度函数分布的噪声模型赋予通用的量级水平，以创建适宜的对比基础。基本结果符合机器学习中大多数常见观念，同时也引入了一些关于噪声注入的新启发式方法与建议。这些新方法将有助于更好地理解图像分类的最优学习过程。
引用
@article{arxiv.2307.06855,
title = {Data Augmentation in Training CNNs: Injecting Noise to Images},
author = {M. Eren Akbiyik},
journal= {arXiv preprint arXiv:2307.06855},
year = {2023}
}
备注
12 pages, 9 figures, 2 tables, old paper just submitted to arXiv