CutMix公司 swMATH ID: 42532 软件作者： Sangdoo Yun、Dongyoon Han、Seong Joon Oh、Sanghyuk Chun、Junsuk Choe、Youngjoon Yoo 描述： CutMix：培训具有本地化功能的强大分类器的规范化策略。为了提高卷积神经网络分类器的性能，提出了区域丢弃策略。事实证明，它们可以有效地引导模型关注对象的歧视性较低的部分（例如，与人的头部相反的腿），从而使网络更好地泛化，并具有更好的对象定位能力。另一方面，当前的区域丢失方法通过覆盖黑色像素或随机噪声块来去除训练图像上的信息像素。这种删除是不可取的，因为它会导致培训期间的信息丢失和效率低下。因此，我们提出了CutMix增强策略：在训练图像中剪切并粘贴补丁，其中地面真相标签也与补丁的面积成比例混合。通过有效利用训练像素并保留区域丢失的正则化效果，CutMix在CIFAR和ImageNet分类任务以及ImageNet-弱监督定位任务上始终优于最先进的增强策略。此外，与以前的增强方法不同，我们的CutMix-trained ImageNet分类器用作预处理模型时，在Pascal检测和MS-COCO图像字幕基准测试中取得了一致的性能提升。我们还表明，CutMix提高了模型对输入损坏的鲁棒性及其分布外检测性能。源代码和预处理模型可在https://github.com/clovaai/CutMix-PyTorch网站 主页： https://arxiv.org/abs/11905.04899 源代码： https://github.com/clovaai/CutMix-PyTorch网站 相关软件： T2T振动；混淆；哥伦比亚广播公司；ECA-Net公司；效率网；BERT（误码率）；ImageNet公司；随机增强；高级HRNet；蟒蛇；CrossViT公司 引用于： 0个文档