数据增强
关注
分享
扫一扫
Peanut_范
计算机视觉、强化学习
展开
-
数据增强——SamplePairing
《Data Augmentation by Pairing Samples for Images Classification》2018，IBM，SamplePairing主要研究数据增强。核心思想是从训练集随机抽取的两幅图像叠加合成一个新的样本（像素取平均值），使用第一幅图像的label作为合成图像的正确label。 数据增强是机器学习任务中广泛使用的技术，如图像处理领域，人工标注...原创 2018-07-09 23:02:26 · 5504 阅读 · 1 评论 -
数据增强——mixup
《mixup：BEYOND EMPIRICAL RISK MINIMIZATION》2017（ICLR2018），Hongyi Zhang et al. Mixup ，MIT和FAIR1.简介：大型深度神经网络是非常强大的，但其损耗巨大的内存以及对对抗样本的敏感性一直不太理想。作者提出的mixup是一个简单地减缓两种问题的方案。本质上，mixup在成对样本及其标签的凸组合（...原创 2018-07-15 08:24:21 · 68188 阅读 · 13 评论 -
数据增强——HIKVISION
海康威视研究院ImageNet2016竞赛使用的数据增强方法： 1.数据增强： 数据增强对最后的识别性能和泛化能力都有着非常重要的作用。我们使用下面这些数据增强方法。 第一，对颜色的数据增强，包括色彩的饱和度、亮度和对比度等方面，主要从Facebook的代码里改过来的。 第二，PCA Jittering，最早是由Alex在他2012年赢得ImageNet竞赛的那篇NIPS中提出来的. ...翻译 2018-07-15 08:53:40 · 1552 阅读 · 0 评论 -
数据增强——基本方法
基本数据增强主要包含如下方式： 1.旋转： 可通过在原图上先放大图像，然后剪切图像得到。 2.平移：先放大图像，然后水平或垂直偏移位置剪切 3.缩放：缩放图像 4.随机遮挡：对图像进行小区域遮挡 5.水平翻转：以过图像中心的竖直轴为对称轴，将左、右两边像素交换 6.颜色色差（饱和度、亮度、对比度、 锐度等） 7.噪声扰动: 对图像的每个像素RGB进行随机扰动, 常用的噪声模式是椒盐噪...原创 2018-07-15 09:51:57 · 9471 阅读 · 0 评论 -
数据增强——Central-surround
数据增强原创 2018-07-15 09:57:15 · 1614 阅读 · 0 评论 -
在深度学习中处理不均衡数据集
在深度学习中处理不均衡数据集作者：George Seif 编译：ronghuaiyang，参考AI公园过采样和欠采样下面的图给出了一个大概的说明：在图像的两边，蓝色的类别比橘黄色的类别的样本多得多。这种情况下，我们在预处理时，有两种选择。欠采样 意思是从多数的类别中只采样其中的一部分的样本，选择和少数类别同样多的样本。这种采样保持了该类别原来的数据分布。这很容易，我们只需要少用点样...翻译 2018-12-26 22:38:10 · 2914 阅读 · 0 评论