智能增强——学习最优数据增强策略
人工智能
2017-04-26 v1 机器学习
机器学习
摘要
训练神经网络时反复遇到的一个问题是，通常没有足够的数据来最大化深度神经网络（DNN）的泛化能力。存在许多技术来解决这一问题，包括数据增强、dropout和迁移学习。本文中，我们引入一种额外的方法，称之为智能增强（Smart Augmentation），并展示如何利用它来提高目标网络的准确率并减少过拟合。智能增强通过创建一个网络来工作，该网络在目标网络的训练过程中学习如何生成增强数据，以减少该网络的损失。这使我们能够学习到最小化该网络误差的增强方式。在所有测试的数据集上，智能增强已显示出通过显著指标提高准确率的潜力。此外，在多个测试案例中，它已展现出以显著更小的网络规模达到相似或更高性能水平的潜力。
引用
@article{arxiv.1703.08383,
title = {Smart Augmentation - Learning an Optimal Data Augmentation Strategy},
author = {Joseph Lemley and Shabab Bazrafkan and Peter Corcoran},
journal= {arXiv preprint arXiv:1703.08383},
year = {2017}
}