交换语义内容以混合图像
计算机视觉与模式识别
2022-05-23 v1 机器学习
摘要
深度架构已被证明能够解决诸多任务，只要有足量标注数据。事实上，可用标注数据的数量已成为半监督学习等低标注场景下的主要瓶颈。混合数据增强通常不能产生新的标注样本，因为无差别地混合内容会生成类间样本。在本工作中，我们引入 SciMix 框架，其可学习将语义风格码嵌入图像背景的生成器，从而获得新的混合数据增强方案。我们随后证明 SciMix 产生的新混合样本从其非语义父样本中继承了诸多特征。之后，我们验证这些样本可用于提升如 Mean Teacher 或 Fixmatch 等半监督框架的性能，甚至在小型标注数据集上提升全监督学习的性能。
引用
@article{arxiv.2205.10158,
title = {Swapping Semantic Contents for Mixing Images},
author = {Rémy Sun and Clément Masson and Gilles Hénaff and Nicolas Thome and Matthieu Cord},
journal= {arXiv preprint arXiv:2205.10158},
year = {2022}
}
备注
Accepted at ICPR 2022, 7 pages, 4 figures, 6 tables