数据增强实测之cutout

cutout是2017年提出的一种数据增强方法，想法比较简单，即在训练时随机裁剪掉图像的一部分，也可以看作是一种类似dropout的正则化方法。

Improved Regularization of Convolutional Neural Networks with Cutout

paper: https://arxiv.org/pdf/1708.04552.pdf

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

---

cutout采用的操作是随机裁剪掉图像中的一块正方形区域，并在原图中补0。由于作者在cutout早期版本中使用了不规则大小区域的方式，但是对比发现，固定大小区域能达到同等的效果，因此就没必要这么麻烦去生成不规则区域了。

实现代码比较简单，cutout.py，如下：

import torch
import numpy as np


class Cutout(object):
    """Randomly mask out one or more patches from an image.

    Args:
        n_holes (int): Number of patches to cut out of each image.
        length (int): The length (in pixels) of each square patch.
    """
    def __init__(self, n_holes=1, length=16):
        s