基于 Möbius 变换的数据增强
计算机视觉与模式识别
2020-06-09 v2 机器学习
摘要
数据增强已大幅提升了深度模型的性能与泛化能力，并且仍是高度适应模型架构演进与数据量变化（尤其是可用训练数据极度匮乏）的方法。本文提出一种新颖方法，在训练中对输入图像施加 Möbius 变换以增强数据。Möbius 变换是双射共形映射，将图像平移推广为在像素空间上作复反演运算。因此，Möbius 变换可在样本层面操作并保持数据标签。我们表明，训练中引入 Möbius 变换相较先前的样本级数据增强技术（如 cutout 与标准裁剪翻转变换）可提升泛化能力，尤其在低数据情形下最为显著。
引用
@article{arxiv.2002.02917,
title = {Data augmentation with Mobius transformations},
author = {Sharon Zhou and Jiequan Zhang and Hang Jiang and Torbjorn Lundh and Andrew Y. Ng},
journal= {arXiv preprint arXiv:2002.02917},
year = {2020}
}