RandoMix：一种具有多种混合模式的混合样本数据增强方法
计算机视觉与模式识别
2023-12-01 v2
摘要
数据增强在提升机器学习模型跨领域的鲁棒性与性能方面起着关键作用。本研究提出一种称为RandoMix的新型混合样本数据增强方法。RandoMix专门设计用于同时应对鲁棒性与多样性挑战。它利用线性与掩码混合模式的组合，在候选选择与权重调整上引入灵活性。我们在多样数据集上评估了RandoMix的有效性，包括CIFAR-10/100、Tiny-ImageNet、ImageNet与Google Speech Commands。结果表明其性能优于Mixup、CutMix、Fmix与ResizeMix等现有技术。值得注意的是，RandoMix在提升模型对抗对抗噪声、自然噪声与样本遮挡的鲁棒性方面表现突出。全面的实验结果与参数调优洞见凸显了RandoMix作为一种通用且高效数据增强方法的潜力。此外，它可无缝集成至训练流程中。
引用
@article{arxiv.2205.08728,
title = {RandoMix: A mixed sample data augmentation method with multiple mixed modes},
author = {Xiaoliang Liu and Furao Shen and Jian Zhao and Changhai Nie},
journal= {arXiv preprint arXiv:2205.08728},
year = {2023}
}