标签：增强 Time images Augmentation 图像 WIP Test TTA 数据

Test Time Augmentation

What is Test Time Augmentation (TTA)?
Similar to what Data Augmentation is doing to the training set, the purpose of Test Time Augmentation is to perform random modifications to the test images. Thus, instead of showing the regular, “clean” images, only once to the trained model, we will show it the augmented images several times. We will then average the predictions of each corresponding image and take that as our final guess.

与对训练集所做的数据增强类似，TTA的目的是对测试图像进行随机修改。
常规测试做法：向训练好的模型显示一次常规的“干净”图像并得到结果。
TTA做法：向训练好的模型输入多张不同增强的图像，然后将对每个相应图像的预测进行平均作为最终预测。

           Input
             |           # input batch of images 
        / / /|\ \ \      # apply augmentations (flips, rotation, scale, etc.)
       | | | | | | |     # pass augmented batches through model
       | | | | | | |     # reverse transformations for each batch of masks/labels
        \ \ \ / / /      # merge predictions (mean, max, gmean, etc.)
             |           # output batch of masks/labels
           Output

参考

https://github.com/xuebinqin/U-2-Net/issues/216
Test Time Augmentation (TTA) and how to perform it with Keras
TTA(Test-Time Augmentation) 之Pytorch

标签：增强,Time,images,Augmentation,图像,WIP,Test,TTA,数据
来源： https://www.cnblogs.com/lvjincheng/p/14895947.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。