你只需切一次：以单次切割增强数据增广
计算机视觉与模式识别
2022-06-16 v3 机器学习
摘要
我们提出 You Only Cut Once (YOCO) 用于执行数据增广。YOCO 将一张图像切为两块，并在每块内分别执行数据增广。应用 YOCO 提升了每个样本增广的多样性，并鼓励神经网络从局部信息识别物体。YOCO 具有无参数、易用、免费提升几乎所有增广的特性。我们进行了充分实验以评估其有效性。我们首先证明 YOCO 可无缝应用于不同的数据增广、神经网络架构，并在 CIFAR 与 ImageNet 分类任务上带来性能增益，有时大幅超越常规图像级增广。此外，我们展示 YOCO 有益于对比预训练，朝向更强大的表示，可更好地迁移到多个下游任务。最后，我们研究若干 YOCO 变体并实证分析各自设置下的性能。代码已在 GitHub 上提供。
引用
@article{arxiv.2201.12078,
title = {You Only Cut Once: Boosting Data Augmentation with a Single Cut},
author = {Junlin Han and Pengfei Fang and Weihao Li and Jie Hong and Mohammad Ali Armin and Ian Reid and Lars Petersson and Hongdong Li},
journal= {arXiv preprint arXiv:2201.12078},
year = {2022}
}
备注
ICML 2022, Code: https://github.com/JunlinHan/YOCO