标签:loss 增强 Classification 训练 Pairing 两张 Augmentation 随机 图像
简介:
本文介绍了一个数据增强技术,名为SamplePairing。SamplePairing的实现方式,只需将两张随机选取的图像混合后再送入分类器进行训练即可。这种技术通过避免过拟合,特别是当可用于训练的样本数量有限时,分类精度得到了显著的提高。所以该技术对于数量有限的任务很有价值,故可以参考用于医学影像
方法概述:
本文从训练集中随机选取的两张图像合成一张新的图像,为了合成一张新的图像,采取对两张图像的每个像素进行平均。
具体方法:
训练图像 A 是随机的,从训练集随机抓取图像 B,(A 和 B 都是 ILSVRC2012 的图像,分辨率 256x256)两者都经过基本的数据增强(随机翻转,萃取),分辨率变为 224x224,对两幅图像求平均值,但是 label采用的是 A,之后送入训练模型。
训练过程:
先采用普通数据增强训练,完成一定轮数之后加入samplepairing,同时间歇性调用该增强,直到loss比较稳定后停止samplepairing的使用。实验来看效果肯定没的说,确实可以,有意思的是这个增强和其他方法一样,会造成loss很大的波动,但是整体趋势是下降的,同时在最终fine-tune会有稳定的收敛loss,其他方法如果最后取消augmentation效果应该也类似。
同期类似的论文 mixup:BEYOND EMPIRICAL RISK MINIMIZATION
标签:loss,增强,Classification,训练,Pairing,两张,Augmentation,随机,图像 来源: https://blog.csdn.net/print_lzp/article/details/121140188
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。