T-ADAF：基于张量 T 积算子的图像分类网络自适应数据增强框架
计算机视觉与模式识别
2023-06-08 v1 数值分析
数值分析
摘要
图像分类是计算机视觉中最基础的任务之一。在实际应用中，数据集通常不如实验室与仿真中那样丰富，常被称为数据饥渴。如何更完整有效地提取数据信息十分重要。因此，本文提出一种基于张量 T 积算子的自适应数据增强框架，将一张图像数据扩充为三张用于训练，并以少于 0.1% 的参数增量从这三张图像共同获得结果。同时，该框架具备列图像嵌入与全局特征交叉功能，使模型不仅能获取空间域还能获取频域信息，从而提升模型预测精度。我们为多个模型设计了数值实验，结果证明了该自适应框架的有效性。数值实验表明，我们的数据增强框架能将原始神经网络模型性能提升 2%，取得了与最先进方法具有竞争力的结果。
引用
@article{arxiv.2306.04240,
title = {T-ADAF: Adaptive Data Augmentation Framework for Image Classification Network based on Tensor T-product Operator},
author = {Feiyang Han and Yun Miao and Zhaoyi Sun and Yimin Wei},
journal= {arXiv preprint arXiv:2306.04240},
year = {2023}
}