仅需一半：通过使用部分内容提升数据增强
计算机视觉与模式识别
2024-05-07 v1
摘要
我们提出一种新颖的数据增强方法，称为You Only Need hAlf（YONA），其简化了增强过程。YONA将图像二分为两半，用噪声替换其中一半，并对另一半应用数据增强技术。该方法减少了原始图像中的冗余信息，鼓励神经网络从不完整视图中识别物体，显著提升了神经网络的鲁棒性。YONA的特点包括无参数、简单易用、能够增强各种现有数据增强策略，从而在不增加计算成本的情况下提升神经网络的鲁棒性。为证明YONA的有效性，开展了大量实验。这些实验确认YONA与多种数据增强方法和神经网络架构兼容，在CIFAR分类任务中均取得显著改进，某些情况下甚至优于传统图像级数据增强方法。此外，YONA显著提高了神经网络对对抗性攻击的韧性。探索YONA变体的额外实验最终表明，遮蔽图像的一半可优化性能。代码已公开：https://github.com/HansMoe/YONA。
引用
@article{arxiv.2405.02830,
title = {You Only Need Half: Boosting Data Augmentation by Using Partial Content},
author = {Juntao Hu and Yuan Wu},
journal= {arXiv preprint arXiv:2405.02830},
year = {2024}
}
备注
Technical report,16 pages