深度学习目前几种热门的数据增强方法

Posted 超级无敌陈大佬的跟班

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了深度学习目前几种热门的数据增强方法相关的知识,希望对你有一定的参考价值。

目录

1)Mosaic增强

2)Mixup增强

3)Cutout增强

3)CutMix增强


前言

传统的镜像、旋转、缩放、调整亮度、对比度、高斯噪声这里不详细讲解。主要讲一下现在几种火爆的数据增强方式。

1)Mosaic增强

        将4张图片缩放,然后拼接到一起。

Mosaic增强的主要优点:

  • 丰富数据集:随机使用4张图片,随机缩放,再随机分布进行拼接,大大丰富了检测数据集,特别是随机缩放增加了很多小目标,让网络的鲁棒性更好。
  • 减少GPU:同时Mosaic增强训练时,可以直接计算4张图片的数据,使得Mini-batch大小并不需要很大,一个GPU就可以达到比较好的效果。
     

2)Mixup增强

        MixUp增强:将随机的两张样本按比例混合,分类的结果按比例分配;yolo_x采用Mosaic+MixUp的数据增强方式

3)Cutout增强

        Cutout增强:随机的将样本中的部分区域cut掉,并且填充0像素值,分类的结果不变;

3)CutMix增强

        就是将一部分区域cut掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值,分类结果按一定的比例分配;带Mix就是混合的意思,带Cut就是裁剪的意思。

上述三种数据增强的区别:

  • cutout和cutmix就是填充区域像素值的区别;
  • mixup和cutmix是混合两种样本方式上的区别:mixup是将两张图按比例进行插值来混合样本,cutmix是采用cut部分区域再补丁的形式去混合图像,不会有图像混合后不自然的情形

 

以上是关于深度学习目前几种热门的数据增强方法的主要内容,如果未能解决你的问题,请参考以下文章

为深度学习增强时间序列数据

基于深度学习的图异常检测如何改进

深度学习领域的数据增强

5个热门的深度学习框架

深度学习训练营之数据增强

深度学习正则化---数据增强