GridMask 数据增强
计算机视觉与模式识别
2024-02-02 v3
摘要
本文提出一种新颖的数据增强方法“GridMask”。它利用信息移除在计算机视觉的多种任务中取得最先进的结果。我们分析了信息丢弃的需求，然后展示了现有信息丢弃算法的局限性，并提出了我们的结构化方法，该方法简单却非常有效。它基于对输入图像区域的删除。我们大量的实验表明，我们的方法优于最新的 AutoAugment，而后者由于使用强化学习寻找最佳策略，计算代价要高得多。在用于识别的 ImageNet 数据集、COCO2017 目标检测以及 Cityscapes 数据集语义分割上，我们的方法均较基线显著提升了性能。大量实验表明了该新方法的有效性与通用性。
引用
@article{arxiv.2001.04086,
title = {GridMask Data Augmentation},
author = {Pengguang Chen and Shu Liu and Hengshuang Zhao and Xingquan Wang and Jiaya Jia},
journal= {arXiv preprint arXiv:2001.04086},
year = {2024}
}