论文阅读【6】Autoaugment: Learning augmentation strategies from data
本文提出的
AutoAugment
方法可以依据验证集上的损失值自动选择数据增强策略。
目录
- 问题描述
- 解决思想
- 具体实现
- 为什么有效
- 参考
问题描述
数据增强基于已有的训练样本数据生成更多的训练数据,其目的就是为了使扩增的训练数据尽可能接近真实分布的数据,从而提高模型的泛化能力。数据增强分为2类:有监督的数据增强和无监督的数据增强。其中有监督的数据增强分为单样本数据增强和多样本数据增强;无监督的数据增强分为生成新的数据和数据增强策略。 本篇论文到方法属于第2类数据增强中的数据增强策略。
AutoAugment
提出了一种自动数据增强的方法,通过验证集上的损失函数来指示数据增强的策略。
解决思想
policy gradient
训练方法中损失函数引入validation set
上的损失值
θ=θ+α∇θ(S)×R\theta=\theta+\alpha \nabla_\theta(S)\times Rθ=θ+α∇θ(S)×R
具体实现
controller
输出一个strategy(operation, magnitude, probability)
,其模型结构是循环神经网络,一个输出是下一层的输入,经过30个softmax层后即可以获得5个sub-policy。
为什么有效
以下游任务准确性提升为目标训练,与GAN相比更有可解释性。
参考
[1] policy gradient方法
[2]Proximal Policy Optimization (PPO)详解
论文阅读【6】Autoaugment: Learning augmentation strategies from data相关推荐
- 论文阅读:AutoAugment: Learning Augmentation Strategies from Data
文章目录 1.论文总述 2.MNIST 与 ImageNet 数据集上有效数据增强的不同 3.The key difference between our method and GAN 4.A sea ...
- AutoAugment: Learning Augmentation Strategies from Data
论文地址:https://arxiv.org/pdf/1805.09501v3.pdf 本文提出一种数据增强(data augument)策略.通过创建一个搜索空间(search space),利用搜 ...
- 自动增强-AutoAugment: Learning Augmentation Strategies from Data
原文链接:https://openaccess.thecvf.com/content_CVPR_2019/html/Cubuk_AutoAugment_Learning_Augmentation_St ...
- 论文阅读:Faster AutoAugment: Learning Augmentation Strategies using Backpropagation
原文地址:[1911.06987] Faster AutoAugment: Learning Augmentation Strategies using Backpropagation (arxiv. ...
- AutoAugment: Learning Augmentation Policies from Data(一种自动数据增强技术)
谷歌大脑提出自动数据增强方法AutoAugment:可迁移至不同数据集 近日,来自谷歌大脑的研究者在 arXiv 上发表论文,提出一种自动搜索合适数据增强策略的方法 AutoAugment,该方法创建 ...
- 论文阅读:Regularizing Deep Networks with Semantic Data Augmentation
论文阅读:Regularizing Deep Networks with Semantic Data Augmentation 动机 特征空间的语义变换 Implicit semantic data ...
- 《论文阅读》Multi-Task Learning of Generation and Classification for Emotion-Aware Dialogue Response Gener
<论文阅读>Multi-Task Learning of Generation and Classification for Emotion-Aware Dialogue Response ...
- 论文阅读 [CVPR-2022] BatchFormer: Learning to Explore Sample Relationships for Robust Representation Lea
论文阅读 [CVPR-2022] BatchFormer: Learning to Explore Sample Relationships for Robust Representation Lea ...
- 论文阅读:Deep Learning in Mobile and Wireless Networking:A Survey
论文阅读:Deep Learning in Mobile and Wireless Networking:A Survey 从背景介绍到未来挑战,一文综述移动和无线网络深度学习研究 近来移动通信和 5 ...
最新文章
- ios 自动打包命令_iOS自动打包上传脚本
- Vue之vue-cli安装与简单调试
- mysql 修改表id值_修改数据库中表的id
- 如何优化JavaScript脚本的性能
- 前后端分离,如何解决跨域(代理模式)、路由拦截(进入页面需要登录)以及请求拦截(登录TOKEN失效)等问题(初学者)
- Rainbond 5.0正式发布, 支持对接管理已有Kubernetes集群...
- 园林景观cad_CAD设计师含泪分享!2000多个CAD素材模板,同行都在用
- OpenCV-绘制同心圆
- java–转换文件编码
- 基于BS架构的微博系统
- 用神经网络实现机器翻译实战
- 【产品经理学习笔记】Part 7 收益预估
- tagged和untagged
- 年轻人应不应该买房 如何买
- Java数据结构--Linkedlist
- php微信生成签名_微信APP支付服务端PHP生成签名
- 使用element分页器进行新闻列表分页
- 运行JS脚本的几种方式
- 4.10 单元格内容的隐藏和保护 [原创Excel教程]
- 信息与通信工程学科面试准备——通信原理