【原】【每周CV論文推薦】 CV領(lǐng)域中數(shù)據(jù)增強(qiáng)相關(guān)的論文推薦

有三AI 2020-11-27

展開(kāi)全文

歡迎來(lái)到《每周CV論文推薦》。在這個(gè)專(zhuān)欄里，還是本著有三AI一貫的原則，專(zhuān)注于讓大家能夠系統(tǒng)性完成學(xué)習(xí)，所以我們推薦的文章也必定是同一主題的。

數(shù)據(jù)增強(qiáng)在每一個(gè)深度學(xué)習(xí)項(xiàng)目中都是必要的操作，今天給大家推薦在計(jì)算機(jī)視覺(jué)中常用的數(shù)據(jù)增強(qiáng)相關(guān)的論文。

作者&編輯 | 言有三

1 裁剪縮放增強(qiáng)

在A(yíng)lexNet中采用了四個(gè)角加中心裁剪以及翻轉(zhuǎn)的方法，在測(cè)試的時(shí)候使用了10個(gè)不同的輸入圖最后將結(jié)果平均，這是很簡(jiǎn)單而且很重要的融合技巧。在VGG中使用了scale jittering的方法，即將圖像先在一個(gè)范圍內(nèi)進(jìn)行隨機(jī)縮放然后裁剪，可以提升訓(xùn)練精度，這兩篇文章的引用量加起來(lái)超過(guò)了60000，需要精讀，因?yàn)殡S機(jī)裁剪效果遠(yuǎn)超其他方法。

文章引用量：60000+

推薦指數(shù)：?????

[1] Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[C]//Advances in neural information processing systems. 2012: 1097-1105.

[2] Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[J]. arXiv preprint arXiv:1409.1556, 2014.

2 樣本插值SMOTE和Mixup

類(lèi)不平衡現(xiàn)象是很常見(jiàn)的，它指的是數(shù)據(jù)集中各類(lèi)別數(shù)量不近似相等。如果樣本的數(shù)量相差很大，會(huì)影響分類(lèi)器的分類(lèi)效果。SMOTE即Synthetic Minority Over-sampling Technique方法，它通過(guò)人工合成新樣本來(lái)處理樣本不平衡問(wèn)題，從而提升分類(lèi)器性能。

Facebook人工智能研究院和MIT在“Beyond Empirical Risk Minimization”中提出的Mixup與之類(lèi)似。

文章引用量：6000+

推薦指數(shù)：?????

[3] Chawla N V, Bowyer K W, Hall L O, et al. SMOTE: synthetic minority over-sampling technique[J]. Journal of artificial intelligence research, 2002, 16: 321-357.

[4] Zhang H, Cisse M, Dauphin Y N, et al. mixup: Beyond empirical risk minimization[J]. arXiv preprint arXiv:1710.09412, 2017.

3 學(xué)習(xí)增強(qiáng)策略Autoaugmentation

AutoAugment是Google提出的自動(dòng)選擇最優(yōu)數(shù)據(jù)增強(qiáng)方案的研究，這是無(wú)監(jiān)督數(shù)據(jù)增強(qiáng)的重要研究方向。它的基本思路是使用增強(qiáng)學(xué)習(xí)從數(shù)據(jù)本身尋找最佳圖像變換策略，對(duì)于不同的任務(wù)學(xué)習(xí)不同的增強(qiáng)方法，在這個(gè)基礎(chǔ)上發(fā)展出了針對(duì)目標(biāo)檢測(cè)等領(lǐng)域的方法。

文章引用量：120+

推薦指數(shù)：?????

[5] Cubuk E D, Zoph B, Mane D, et al. AutoAugment: Learning Augmentation Policies from Data.[J]. arXiv: Computer Vision and Pattern Recognition, 2018.

4 其他資料

除了以上論文閱讀，如果大家對(duì)這個(gè)方向感興趣，可以閱讀我們公眾號(hào)的綜述文章以及相關(guān)的GitHub項(xiàng)目。