联合优化数据增强与网络训练：人体姿态估计中的对抗数据增强
计算机视觉与模式识别
2018-05-25 v1
摘要
随机数据增强是训练深度神经网络模型时避免过拟合的关键技术。然而，数据增强与网络训练通常被视为两个孤立过程，限制了网络训练的有效性。为何不联合优化二者？我们提出对抗数据增强以解决此局限。主要思想是设计一个增强网络（生成器），通过在线生成“困难”增强操作与目标网络（判别器）竞争。增强网络探索目标网络的弱点，而后者从“困难”增强中学习以获得更好性能。我们还设计了奖惩策略以实现有效的联合训练。我们在人体姿态估计问题上展示了我们的方法，并进行了全面的实验分析，表明我们的方法无需额外数据付出即可显著改进最先进模型。
引用
@article{arxiv.1805.09707,
title = {Jointly Optimize Data Augmentation and Network Training: Adversarial Data Augmentation in Human Pose Estimation},
author = {Xi Peng and Zhiqiang Tang and Fei Yang and Rogerio Feris and Dimitris Metaxas},
journal= {arXiv preprint arXiv:1805.09707},
year = {2018}
}
备注
CVPR 2018