ParticleAugment：基于采样的自动化数据增强

我们提出了一种用于图像分类的自动化数据增强方法。我们将该问题表述为蒙特卡洛采样，其目标是逼近最优增强策略。我们提出了一种用于策略搜索的粒子滤波方案，其中应用一组增强操作的概率构成滤波器的状态。我们基于参考模型与实际模型之间的损失函数差异来衡量策略性能，随后将其用于重新加权粒子并最终更新策略。在实验中，我们表明我们的自动化增强表述在使用该问题的标准网络架构下，在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上取得了有前景的结果。通过与相关工作比较，我们的方法在策略搜索的计算成本与模型性能之间达到了平衡。我们的代码将公开提供。