MiAMix：通过多阶段增强混合样本数据增强方法改进图像分类
计算机视觉与模式识别
2023-08-16 v2 人工智能
机器学习
摘要
尽管深度学习领域取得了实质性进展，过拟合仍是一项关键挑战，而数据增强因其能提升各类计算机视觉任务中模型的泛化能力，已成为一种极具前景的方法。尽管已有多种策略被提出，混合样本数据增强(MSDA)在提升模型性能与泛化方面展现出巨大潜力。我们提出一种称为MiAMix的新型mixup方法，即多阶段增强Mixup(Multi-stage Augmented Mixup)。MiAMix将图像增强整合进mixup框架，同时利用多种多样化混合方法，并通过随机选取混合掩码增强方法来改进混合方式。近期方法利用显著性信息，而MiAMix亦为计算效率而设计，减少额外开销并易于集成至现有训练流程。我们利用四个图像基准全面评估MiaMix，并与当前最先进的混合样本数据增强技术对比，表明MIAMix在无需沉重计算开销的情况下提升了性能。
引用
@article{arxiv.2308.02804,
title = {MiAMix: Enhancing Image Classification through a Multi-stage Augmented Mixed Sample Data Augmentation Method},
author = {Wen Liang and Youzhi Liang and Jianguo Jia},
journal= {arXiv preprint arXiv:2308.02804},
year = {2023}
}