TTA 测试时数据增强(multi-scale testing)(TEST.AUG)

原创

已于 2022-11-02 01:16:08 修改 · 2.6k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习

于 2022-05-13 20:42:18 首次发布

TTA（Test-Time Augmentation）是一种提高模型预测精度的技术，通过在测试阶段对原始输入进行多种简单增强并取平均结果。在detectron2和mmdetection等框架中有所应用。虽然复杂的增强可能降低识别准确性，但水平翻转、垂直翻转等简单操作能有效提升小目标检测的性能。YoloV5的伪标签和离线评估也利用了TTA来优化结果。

TTA, Test-Time Augmentation，测试时数据增强

测试时将原始数据做不同形式的增强,然后取结果的平均值作为最终结果。可以进一步提升最终结果的精度

The input size significantly influences detection accuracy, since high resolution inputs make the detectors “seeing” small objects clearly to increase successful detections. The multi-scale testing can make the detector trained with limited input size (e.g., 320x320) to 'see' those small objects that only can be 'see' by the large input size (e.g., 1000x600).

detectron2和mmdetection中的TEST.AUG指的就是TTA

但是TTA时用的数据增强方法一般都比较简单，比如水平翻转，垂直翻转，90度旋转等

不太会用mixup，光照等这种复杂的

复杂的增强容易导致识别结果下降

YoloV5 Pseudo Labeling + OOF Evaluation | Kaggle