通过Copyout与CopyPairing改进卷积神经网络的图像增强
计算机视觉与模式识别
2019-09-24 v2 图像与视频处理
摘要
图像增强是提升卷积神经网络（CNNs）性能广泛使用的技术。常见的平移、裁剪、翻转、剪切和旋转被用于增强。但还有如Cutout和SamplePairing等更先进的技术。本文中我们提出对最先进的Cutout和SamplePairing技术的两种改进。我们的新方法Copyout取另一随机训练图像的方形块并复制到每张用于训练的图像的随机位置。我们发现的第二种技术称为CopyPairing。它将Copyout与SamplePairing结合以进一步增强并取得更好性能。我们在CIFAR-10数据集上用这些增强技术进行不同实验，在不同配置下评估并比较它们。在我们的实验中，Copyout相比Cutout将测试错误率降低8.18%，相比SamplePairing降低4.27%。CopyPairing相比Cutout将测试错误率降低11.97%，相比SamplePairing降低8.21%。Copyout与CopyPairing的实现可在 https://github.com/t-systems-on-site-services-gmbh/coocop 获取。
引用
@article{arxiv.1909.00390,
title = {Improved Image Augmentation for Convolutional Neural Networks by Copyout and CopyPairing},
author = {Philip May},
journal= {arXiv preprint arXiv:1909.00390},
year = {2019}
}
备注
8 pages, 5 figures