几种数据增强或者正则化的方法

本文主要对卷积神经网络的正则化方法进行自我梳理,介绍了Cutout、mixup、Shake - Shake等方法。以Cutout为例,它可通过随机用mask遮挡来实现,还提及了其与dropout的区别,并给出了相关代码链接。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

本文主要为了自我梳理,详情见

目录:

  • Cutout
  • mixup
  • Shake-Shake
  • ShakeDrop
  • pairing samples
  • AutoAugment

 

Cutout:Improved Regularization of Convolutional Neural Networks with Cutout

https://github.com/uoguelph-mlrg/Cutout

直观理解就是随机用mask遮挡

与dropout的区别

 

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值