GridMask:SOTA 数据增广方法,显著改进分类、检测、分割效果
点击我爱计算机视觉标星,更快获取CVML新技术
本文为52CV粉丝CrazyVertigo投稿,原文链接:
https://zhuanlan.zhihu.com/p/103992528
给大家介绍一篇非常简单又提点效果明显的2020年最新论文,通过GridMask数据增强方法提升模型鲁棒性,在图像分类、检测、分割三个问题上都做了实验,提升效果明显,好于当前SOTA 的autoaugment。
论文地址:
https://arxiv.org/abs/2001.04086
github地址:
https://github.com/akuxcw/GridMask
1.Gridmask方法介绍
1.1 超参数的定义
1.Gridmask方法介绍
1.2 超参数的影响
超参数中的r该如何选择?
超参数中的d该如何选择?
使用过程中该以多大的概率p对训练图像进行GridMask增强?
GridMask方法如何使用?
1.文章中设计了2中方法,第一种方法是设置一定的概率p,从开始训练就对训练图片以概率p进行数据增强;第二种方法是一开始概率为0,随着训练次数增加对训练图片进行gridmask增强的方法逐渐增大,最后变为p。实验结果结论是第二种方法好于第一种方法。
2.我做实验的时候,是简单的将COCO训练集进行一次离线的数据增强,训练数据量double了一倍,保持相同的epoch,会提升1+点。
1.3 数据增强方法回顾
常用的数据增强方法主要分为3类:
1.空间变换,random scale, crop, flip,rotation
2.颜色扭曲,改变透明度,亮度等
3.信息删除,random erasing, cutour, hide-and-seek
本文提出的GridMask方法属于信息删除的方法,这种方法的实现方式是随机在图像上丢弃一块区域,作用相当于是在网络上增加一个正则项,避免网络过拟合,相比较改变网络结构来说,这种方法只需要在数据输入的时候进行增广,简单便捷。
2.Gridmask效果提升
2.1 分类实验提升
在ImageNet上效果怎么样?
在Cifar10上效果怎么样?
2.2 检测实验提升
在COCO上效果怎么样?
自己使用mmdetection框架在faster-rcnn-resnet50网络上也有1+点的明显提升,后续会在业务相关的数据集上做实验。
2.3分割实验提升
在Cityscapes上效果怎么样?
参考文章:
1.GridMask Data Augmentation (GridMask)
2.Improved regularization of convolutional neural networks with cutout (Cutout)
3.Hide-and-seek: A data augmentation technique for weakly-supervised localization and beyond (HAS)
4. Cutmix: Regularization strategy to train strong classifiers with localizable features (CutMix)
5. Cutmix: Regularization strategy to train strong classifiers with localizable features (Mixup)
6. Dropblock: A regularization method for convolutional networks (Label Smoothing)
7. Autoaugment: Learning augmentation strategies from data (AutoAugment)
数据标注与增广交流群
关注最新最前沿的数据标注方法及工具、数据增广技术,扫码添加CV君拉你入群,(如已为CV君其他账号好友请直接私信)
(请务必注明:增广)
喜欢在QQ交流的童鞋,可以加52CV官方QQ群:805388940。
(不会时时在线,如果没能及时通过验证还请见谅)
长按关注我爱计算机视觉
GridMask:SOTA 数据增广方法,显著改进分类、检测、分割效果相关推荐
- PaddleClas-图像分类中的8种数据增广方法(cutmix, autoaugment,..)
本文主要来源于PaddleClas这个代码仓库中的数据增广文档:https://github.com/PaddlePaddle/PaddleClas/blob/master/docs/zh_CN/ad ...
- 【工大SCIR笔记】自然语言处理领域的数据增广方法
点击上方,选择星标或置顶,每天给你送干货! 作者:李博涵 来自:哈工大SCIR 1.摘要 本文介绍自然语言处理领域的数据增广方法.数据增广(Data Augmentation,也有人将Data Aug ...
- 自然语言处理领域的数据增广方法
1.摘要 本文介绍自然语言处理领域的数据增广方法.数据增广(Data Augmentation,也有人将Data Augmentation翻译为"数据增强",然而"数据增 ...
- YOLOv5添加自定义数据增广方法
YOLOv5添加自定义数据增广方法 虽然YOLOv5内置数据增广方法非常丰富,包括随机旋转.翻转.HSV-Saturation等.但仍然有添加自定义的数据增广方法的情况.例如使用N+L策略训练网络.N ...
- 深度学习图像数据增广方法总结
参考:Data Augmentation | How to use Deep Learning when you have Limited Data-Part 2 文章目录 1. 数据增广(Data ...
- 谷歌简单粗暴“复制-粘贴”数据增广,刷新COCO目标检测与实例分割新高度
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 近日,谷歌.UC伯克利与康奈尔大学的研究人员公布了一篇论文 Sim ...
- 论文笔记 | 深度学习图像数据增广方法研究
1 背景 在许多领域,受限于数据获取难度大,标注成本高等原因,往往难以获得充足的训练数据,这样训练得到的深度学习模型往往存在过拟合的问题,进而导致模型泛化能力差,测试精度不高等. 数据扩充的作用:扩大 ...
- 常用数据增广方法,解决数据单一问题
Datawhale干货 作者:陈信达,Datawhale优秀学习者 寄语:本文将对传统图像算法的数据增广方式进行学习,以最常用的平移和旋转为例,帮助大家梳理几何变换的概念和应用,并对其在OpenCV的 ...
- 计算机视觉的数据增广技术大盘点!附涨点神器,已开源!
如果要把深度学习开发过程中几个环节按重要程度排个序的话,相信准备训练数据肯定能排在前几位.要知道一个模型网络被编写出来后,也只是一坨代码而已,和智能基本不沾边,它只有通过学习大量的数据,才能学会如何作 ...
最新文章
- Linux编程题:信号量同步三进程依次打印若干次ABC
- Linux下通过v4l2获取视频设备名、支持的编解码及视频size列表实现
- 【最新合集】IDEA 快捷键整理
- 【IT笔试面试题整理】数组中出现次数超过一半的数字
- webpack基础+webpack配置文件常用配置项介绍+webpack-dev-server - QxQstar - 博客园
- MYSQL技术连环斩-MYSQL简述
- SOTIF预期功能安全工作流程
- 京东11.11晚8开启四小时累计售出商品超1.9亿件
- 中文信息处理(四)—— 神经网络基础
- ioc中最基本的JAVA技术_Spring IOC 知识点总结
- 使用rsync完成内网数据备份
- 文本比较/文本对比在线工具
- 微信小程序:人生重开模拟器
- [ 八爪鱼使用经验] 爬取简单列表数据
- C语言二进制与十进制之间的转换
- 计算机在饲养管理方面的应用,高新技术对奶牛业的应用
- 开源分布式任务工作流调度系统Easy Scheduler Release 1.0.2
- 工作积累10——推荐一本看过最好的数据分析的书
- Python学习第一天
- Cannot load C:\Users\12778\AppData\Local\JetBrains\IntelliJIdea2021.1\tomcat\c0cf5d96-4221-48ee-b343
热门文章
- 方法重载与重写,返回类型
- VC2008下使用OpenSSL 1 0 0g 免编译
- GOF之结构型模式Ⅱ(重点)
- Linux学习笔记5
- oracle 创建clob类型字段的索引,LOB字段相关概念(自动创建LOB索引段和重建索引方法)...
- python 股票数据_从互联网获取股票数据(历史数据,Python + MySQL)
- sklearn 神经网络_机器学习100天-Day2404 循环神经网络RNN(预测时间序列)
- php如何按日期统计,关于按日获取统计信息:按日期获取统计信息 – 日期时间列 – mysql / php...
- 【script】python 解析 Windows日志(python-evtx)
- C# 实现 rtc_通过Xlua实现unity热更新的一个小例子