数据增强之MixUp

度量学习DML之Contrastive Loss及其变种_程大海的博客-优快云博客

度量学习DML之Triplet Loss_程大海的博客-优快云博客

度量学习DML之Lifted Structure Loss_程大海的博客-优快云博客

度量学习DML之Circle Loss_程大海的博客-优快云博客

度量学习DML之Cross-Batch Memory_程大海的博客-优快云博客

度量学习DML之MoCO_程大海的博客-优快云博客

数据增强之SpecAugment_程大海的博客-优快云博客

数据增强之MixUp_程大海的博客-优快云博客

---

 

MixUp

        论文：《mixup:Beyond Empirical Risk Minimization》

        参考：GitHub - facebookresearch/mixup-cifar10: mixup: Beyond Empirical Risk Minimization

        其中，和数两个数据样本，和是原始的输入数据（如图像矩阵），和是和对应所属类别的one-hot编码，，，用来控制mix的强度。

        Mixup的Pytorch代码实现实例如下，mixup的官方实现代码中关于的计算以及loss的计算与下图有所不同。

        下面看一下mixup在猫狗数据集上的mix效果：

        上图中，第一行是原始数据，第二行是对第一行数据进行随机mix之后的数据，第二行的第一幅图就是将第一行的第一幅图和第二幅图进行mix之后得到的。