数据增强的未开发潜力：领域泛化视角
机器学习
2020-07-10 v1 机器学习
摘要
数据增强是一种流行的预处理技巧，用于提高泛化精度。人们认为，通过将增强输入与原始输入一起处理，模型可以学习到在原始和增强对应物之间共享的更鲁棒的特征集。然而，我们表明，即使对于最佳的增强技术，情况也并非如此。在这项工作中，我们从领域泛化的视角研究了基于增强的方法。这一新视角使得探究过拟合和描绘改进途径成为可能。我们对最先进的增强方法的探索提供了证据，表明学习到的表示即使对于训练期间使用的失真也并不鲁棒。这为增强样本的未开发潜力提供了证据。
引用
@article{arxiv.2007.04662,
title = {Untapped Potential of Data Augmentation: A Domain Generalization Viewpoint},
author = {Vihari Piratla and Shiv Shankar},
journal= {arXiv preprint arXiv:2007.04662},
year = {2020}
}
备注
6 pages, ICML 2020 Workshop on Uncertainty and Ro-bustness in Deep Learning