混合样本数据增强的效应具有类别依赖性
计算机视觉与模式识别
2024-03-28 v2 人工智能
摘要
混合样本数据增强（MSDA）技术，如 Mixup、CutMix 和 PuzzleMix，因在多种任务中提升性能而广受认可。先前研究报道了传统数据增强（DA）的类别依赖性，即某些类别相较于其他类别获益不成比例。本文揭示了 MSDA 的类别依赖效应，其中某些类别性能提升而另一些类别性能下降。本研究解决了 MSDA 中的类别依赖问题，并提出了一种算法来缓解该问题。该方法涉及在 MSDA 与非 MSDA 数据的混合上训练，不仅减轻了对受影响类别的负面影响，还提升了整体准确率。此外，我们深入分析和讨论了 MSDA 为何引入类别依赖以及哪些类别最可能出现该现象。
引用
@article{arxiv.2307.09136,
title = {The Effects of Mixed Sample Data Augmentation are Class Dependent},
author = {Haeil Lee and Hansang Lee and Junmo Kim},
journal= {arXiv preprint arXiv:2307.09136},
year = {2024}
}
备注
21 pages, 18 figures, Overall Revision