LA3：高效的标签感知自动增强
计算机视觉与模式识别
2023-04-21 v1 人工智能
摘要
自动增强是一种新兴且有效的技术，用于搜索数据增强策略以改善深度神经网络训练的一般化能力。大多数现有工作侧重于构建适用于给定数据集中所有数据样本的统一策略，而未考虑样本或类别的差异。本文中，我们提出一种新颖的两阶段数据增强算法，称为标签感知自动增强（LA3），它利用标签信息，并为不同标签的样本分别学习增强策略。LA3 包含两个学习阶段，在第一阶段中，通过由神经预测器辅助的贝叶斯优化对每个标签的单个增强方法进行评价和排序，使我们能够以低搜索成本识别每个标签的有效增强技术。在第二阶段中，由一组有效且互补的增强构建复合增强策略，产生显著的性能提升，并且可轻松部署在典型模型训练中。大量实验表明，LA3 在 CIFAR-10 和 CIFAR-100 上取得了与现有方法匹敌或超越的优异性能，并在自动增强方法中以 ResNet-50 在 ImageNet 上达到 79.97% 的新最先进准确率，同时保持较低的计算成本。
引用
@article{arxiv.2304.10310,
title = {LA3: Efficient Label-Aware AutoAugment},
author = {Mingjun Zhao and Shan Lu and Zixuan Wang and Xiaoli Wang and Di Niu},
journal= {arXiv preprint arXiv:2304.10310},
year = {2023}
}
备注
ECCV 2022