ImageNet 训练模型因简单图像变换导致的性能退化
计算机视觉与模式识别
2022-07-19 v1 机器学习
摘要
ImageNet 训练的 PyTorch 模型通常在大多数计算机视觉任务中作为开箱即用模型或初始化模型而受到青睐。在本文中，我们简单地测试了一组具代表性的基于卷积与 transformer 的此类模型在多种简单图像变换下的表现，如水平平移、垂直平移、缩放、旋转、高斯噪声存在、cutout、水平翻转与垂直翻转，并报告了此类变换引起的性能下降。我们发现，即使是旋转图像 10{\deg} 或放大 20% 这样的简单变换，也能使 ResNet152 等模型的 top-1 准确率降低 1%+。代码见 https://github.com/harshm121/imagenet-transformation-degradation。
引用
@article{arxiv.2207.08079,
title = {Performance degradation of ImageNet trained models by simple image transformations},
author = {Harsh Maheshwari},
journal= {arXiv preprint arXiv:2207.08079},
year = {2022}
}