使用增广随机搜索学习数据增强策略
机器学习
2018-11-13 v1 计算机视觉与模式识别
摘要
先前的数据增强尝试是人工设计的，且增强策略是特定于数据集的。最近，一种名为AutoAugment的自动数据增强方法被提出，使用强化学习。AutoAugment在离散搜索空间中搜索增强策略，这可能导致次优解。在本文中，我们采用增广随机搜索方法（ARS）来改进AutoAugment的性能。我们的关键贡献是将离散搜索空间改为连续空间，这将提高搜索性能并保持子策略之间的多样性。使用所提方法，在CIFAR-10、CIFAR-100和ImageNet（无额外数据）上达到了最先进的准确率。我们的代码可在 https://github.com/gmy2013/ARS-Aug 获取。
引用
@article{arxiv.1811.04768,
title = {Learning data augmentation policies using augmented random search},
author = {Mingyang Geng and Kele Xu and Bo Ding and Huaimin Wang and Lei Zhang},
journal= {arXiv preprint arXiv:1811.04768},
year = {2018}
}
备注
Submitted to ICASSP