基于多智能体协作的局部块自动增强
计算机视觉与模式识别
2021-10-19 v2
摘要
数据增强（DA）在提升深度学习模型泛化能力方面起着关键作用。近期从数据中自动搜索DA策略的工作取得了巨大成功。然而，现有自动化DA方法通常在图像层级进行搜索，限制了对局部区域多样性的探索。本文提出一种更细粒度的自动化DA方法，称为块自动增强（Patch AutoAugment），将图像划分为块网格并为各块搜索联合最优增强策略。我们将其建模为多智能体强化学习（MARL）问题，其中每个智能体基于其块内容连同整图语义学习该块的增强策略。各智能体通过共享团队奖励相互协作，以实现整图的最优增强效果。我们在多个图像分类与细粒度图像识别基准数据集（如CIFAR-10、CIFAR-100、ImageNet、CUB-200-2011、Stanford Cars与FGVC-Aircraft）上展示了方法的有效性。大量实验表明，我们的方法在所需计算资源更少的同时优于最先进DA方法。
引用
@article{arxiv.2103.11099,
title = {Local Patch AutoAugment with Multi-Agent Collaboration},
author = {Shiqi Lin and Tao Yu and Ruoyu Feng and Xin Li and Xin Jin and Zhibo Chen},
journal= {arXiv preprint arXiv:2103.11099},
year = {2021}
}