数据增强第21页

PyTorch 音频处理教程

目录一、进行数据准备和实用函数的编写二、使用python读取音频文件三、音频数据的数据增强四、音频特征提取五、特征增强六、torchaudio的datasets的用法本文为pytorch官方教程的代码注释官方教程地址

通信大将·2023-01-05 09:34

PointNet源码解读

Pipeline前向过程：数据加载、数据增强forepochinrange(start_epoch,args.epoch):log_string('Epoch%d(%d/%s):'%(global

naca yu·2023-01-05 09:26

深圳进化动力机器视觉算法岗面试题

我讲了AlexNet、VggNet、ResNet、DenseNet、EffiencientNet等，以及里面用到的tricksAlexNet:(1)使用GPU训练，(2)使用了数据增强(3)使用了LRN

深度之眼·2023-01-05 09:14

医学图像进行数据增强（翻转、旋转）的方法和结果总结

医学图像进行数据增强（翻转、旋转）的方法总结使用深度学习执行图像分类任务时往往因为数据量不平衡或者数据量不足，需要进行数据增强，数据增强包括平移、旋转、裁剪、拉伸、缩放、水平翻转、垂直翻转、水平垂直、加噪声等等

jinzi_a·2023-01-05 05:53

必知前置知识

3.1基于迁移学习3.2基于元学习3.3两种范式对比4.存在的问题4.1域偏移4.2数据偏差4.5不完整标注5.研究（改进）方向5.1基于注意力机制5.2基于图卷积神经网络5.3基于度量学习5.4基于数据增强参考文献

松阁~·2023-01-05 02:49

[论文笔记] SODA小目标综述（西工大）

SODA小目标综述（西工大）TowardsLarge-ScaleSmallObjectDetection:SurveyandBenchmarks动机1、小目标检测难点2、小目标检测算法数据增强（Data-manipulationmethods

吉他A梦·2023-01-05 01:11

数据的输入-pytorch

无论在图像识别，目标检测，语义分割哪一种网络，数据输入都是通过两个类对数据进行处理1、打包数据，进行数据增强，输出标签以及图像2、对打包的数据进行包括分批处理，是否打乱顺序，是否多线程加载数据等操作需要注意的是

六点零六·2023-01-04 19:47

YOLOX目标检测之入门实战-win10+cpu运行YOLOX

旷视的研究者将解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展与YOLO进行了巧妙的集成组合，提出了YOLOX，不仅实现了超越YOLOv3、YOLOv4和YOLOv5的AP，而且取得了极具竞争力的推理速度

newxtc·2023-01-04 13:36

MM2022 | 用StyleGAN进行数据增强，真的太好用了

MM2022|用StyleGAN进行数据增强，真的太好用了【写在前面】本文研究了生成文本-图像对的开放性研究问题，以改进细粒度图像到文本跨模态检索任务的训练，并提出了一种通过揭示StyleGAN2模型隐藏的语义信息来增强配对数据的新框架

FightingCV·2023-01-04 11:11

pytorch | 常用归一化方法

BatchNormlizationBN的计算是要受到其他样本影响的，由于每个batch的均值和方差会由于shuffle的设置而变动，所以可以理解为一种数据增强的方式。

Randy@·2023-01-04 02:11

SSD模型推理与训练流程

文章目录SSD框架：网络结构图1.Model流程2.Training1.数据增强2.选择默认框的长宽比和比例3.默认框和真实框匹配4.负难例挖掘5.计算损失函数作者Idea来源：参考文章：其他：比较：SSD

KirutoCode·2023-01-03 15:04

【第61篇】AlexNet：CNN开山之作

文章目录摘要1简介2数据集3架构3.1ReLU非线性3.2多GPU训练3.3局部响应归一化3.4重叠池化3.5整体架构4减少过拟合4.1数据增强4.2失活(Dropout)5学习细节6结果6.1定性评估

AI浩·2023-01-03 15:01

CutPaste Self-Supervised Learning for Anomaly Detection and Localization阅读笔记

通过对剪切粘贴中的正常数据进行学习表示，剪切粘贴是一种简单的数据增强策略，对大图像进行随机位置粘贴。直

给个编制·2023-01-03 11:39

CutPaste Self-Supervised Learning for Anomaly Detection and Localization

Self-SupervisedLearningforAnomalyDetectionandLocalization用于异常检测和定位的自监督学习简洁版问题：异常的检测和定位现有工作不足：现有的工作主要关注以对象为中心的自然图像中的检测语义异常值，这种方式在检测细粒度异常方面，没有很好的通用性现有工作的中数据增强的方式

向光光同学·2023-01-03 11:59

Tensorflow中预处理图像的方法

1.方法一：ImageDataGenerator（数据增强）（1）ImageDataGenerator数据增强mydata=ImageDataGenerator（rescale=所有数据集将乘以该数值,

Keep_Trying_Go·2023-01-03 11:29

使用Tensorflow训练检测口罩模型完整实例

Keep_Trying_Go·2023-01-03 11:26

目标检测常见数据增强算法汇总讲解（Mixup，Cutout，CutMix，Mosaic）

在学习目标检测算法的过程中，发现了一些有趣的目标检测算法，打算简单写个笔记，不足之处还望谅解，可以在评论中指出来。目标检测作为需要大量数据的算法，在实际情况中经常面临数据不足的情况，事实上很多时候数据确实对于开发者来说非常难搞，因此大佬们开发了各式各样的通过软件的方式将我们的数据变的多样化的方法。（Mixup，Cutout，CutMix，Mosaic）就是四种最为经典的算法，下面我们逐一进行讲解。

小馨馨的小翟·2023-01-03 06:28

三、loss和Val_loss判定模型结果好坏准则

trainloss不断下降，testloss不断下降，说明网络任然在学习中解决办法：此时的网络模型是最好的，不需要其他措施情况二：trainloss不断下降，testloss趋于不变，说明网络出现过拟合解决办法：采用数据增强

teng腾·2023-01-02 17:08

哈工大｜NLP数据增强方法？我有15种

这篇40多页的综述出自哈工大车万翔老师的团队，一共总结了15种NLP可以用到的数据增强方法、优缺点，还有一些使用技巧，十分良心。下面就速读一下，如果要使用的话还是建议参考原文以及其他文献的应用细节。

zenRRan·2023-01-02 15:50

基于Prompt Learning、检索思路实现文本分类，开源数据增强、可信增强技术

文本分类在互联网、金融、医疗、法律、工业等领域都有广泛的应用，例如文章主题分类、商品信息分类、对话意图分类、论文专利分类、邮件自动标签、评论正负倾向识别、投诉事件分类、广告检测、敏感违法内容检测等，这些应用场景全部都可以抽象为文本分类任务。但如何进行技术方案选型、如何进行模型调优、如何解决少样本等问题，使很多开发者望而却步，迟迟难以上线。近日，PaddleNLP针对以上工业落地中种种常见问题，开源

飞桨PaddlePaddle·2023-01-02 15:18

ACL 2022 | PromDA：基于提示的低资源自然语言理解数据增强

©作者|李雪峰单位|北京邮电大学研究方向|序列标注论文标题：PromDA:Prompt-basedDataAugmentationforLow-ResourceNLUTasks收录会议：ACL2022论文链接：https://arxiv.org/pdf/2202.12499.pdf源码链接：https://github.com/GaryYufei/PromDAAbstract本文重点关注低资源自然

PaperWeekly·2023-01-02 15:18

Time Series Data Augmentation for Deep Learning: A Survey

TimeSeriesDataAugmentationforDeepLearning:ASurvey摘要1.引言2.基本数据增强方法2.1时间域2.2频率域2.3时频域3.高级的数据增强方法3.1基于分解的方法

UnknownBody·2023-01-02 15:48

《预训练周刊》第38期： Transformer、BERT结构优化

No.38智源社区预训练组预训练研究观点资源活动关于周刊本期周刊，我们选择了12篇预训练相关的论文，涉及句子表示、变换器结构优化、数据增强、网络结构优化、动态神经网络、模型压缩、图预训练模型、零样本自然语言理解

智源社区·2023-01-02 15:48

【自然语言处理】【数据增强】PromDA：应用于低资源NLU任务的、基于prompt的数据增强方法

PromDA：应用于低资源NLU任务的、基于Prompt的数据增强方法原始论文地址：2202.12499]PromDA:Prompt-basedDataAugmentationforLow-ResourceNLUTasks

BQW_·2023-01-02 15:46

NLP（四十六）对抗训练的一次尝试

初次听说对抗训练是在一次实体识别比赛的赛后分享中，当时的一些概念，比如FocalLoss、对抗训练、模型融合、数据增强等都让我感到新奇，之后笔者自己也做了很多这方面的尝试。

山阴少年·2023-01-02 13:05

Machine Learing HW3

Task:1使用CNN完成食物分类任务,共11个classes;2使用数据增强操作；3使用Residual提高模型性能；DataSet:训练集9866labeled图像；验证集3430labeled图像

秀得水乱流·2023-01-02 11:54

AAAI2023 | 均匀序列更好：时间间隔感知的序列推荐数据增强方法

文章信息来源：AAAI2023标题：UniformSequenceBetter:TimeIntervalAwareDataAugmentationforSequentialRecommendation机构：东北大学软件学院阿里巴巴作者：YizhouDang,EnnengYang,GuibingGuo,LinyingJiang,XingweiWang,XiaoxiaoXu,QinghuiSun,Ho

麻烦给我点一份黄焖鸡·2023-01-02 08:41

[论文翻译]测试时数据增强(TTA):Automatic Brain Tumor Segmentation using Convolutional Neural Networks with TTA

论文下载:地址AutomaticBrainTumorSegmentationusingConvolutionalNeuralNetworkswithTest-TimeAugmentation使用带有TTA的卷积神经网络实现胶质瘤的自动分割Abstract.Automaticbraintumorsegmentationplaysanimportantrolefordiagnosis,surgical

玖零猴·2023-01-02 07:54

56. 数据增广 / 图像增广

1.CES上的真实故事2.数据增强增加一个已有数据集，使得有更多的多样性在语言里加入各种不同的背景噪音改变图片的颜色和形状例如，我们可以以不同的方式裁剪图像，使感兴趣的对象出现在不同的位置，减少模型对于对象出现位置的依赖

chnyi6_ya·2023-01-02 07:58

coco关键点数据集水平翻转数据增强，连同标注一起变化

对coco图片进行水平翻转时，连同关键点标注也要对应着进行变化。首先是x坐标，从x变为了width-1-x，然后对应的，人体的左右边要进行交换，比如原来的左手就变成右手，原来的右手变成左手，通过以下代码完成。for(q,w)insymmetry:cod[q],cod[w]=cod[w],cod[q]`关键点标注变化的核心代码如下：img=cv2.flip(img,1)label=pointscod

qq_37025073·2023-01-01 16:37

理解Detectron2中数据读取以及在线数据增强流程

文章目录一、Detectron2中读取数据的流程二、读取数据、在线数据增强并显示三、Detectron2官方对数据增强部分的描述以目标检测为例，探讨Detectron2中的数据读取流程以及Detectron2

hjxu2016·2023-01-01 16:07

用于目标跟踪的COCO数据集的预处理过程的API，以及对训练数据的数据增强操作

目录1.COCO数据集的预处理2.coco数据集工具包处理细节(1)源代码（2）debug时的参数截图i.coco.pyii.par_crop.pyiiigen_json.py3.训练数据的数据增强操作

匿名的魔术师·2023-01-01 16:06

coco格式的json做离线数据增强,随机把图像bbox数据crop贴图,并移除对应的ann

importcv2importosimportnumpyasnpimportjsonimportrandomfrompycocotools.cocoimportCOCO,maskUtilsROOT=os.path.dirname(os.path.abspath(__file__))BASE=os.path.dirname(ROOT)defmkdir_os(path):ifnotos.path.ex

知识在于分享·2023-01-01 16:06

coco数据集进行裁剪、数据增强过程中的ground_truth bbox的设定以及变化

目录前言：1.写入json文件时的groundtruthbbox2.导入图片和获取对应的groundtruthbbox3.进行数据增强后，决定了最终的groundtruthbbox前言：数据集的groundtruthbbox

匿名的魔术师·2023-01-01 16:36

深度学习笔记-----增加网络不变性的方法（对空间变换网络和数据增强的方法进行了总结）

2.2.3STN是怎么做的（How）2.2.4STN小结3从数据中学习不变性3.1空间转换（随机尺寸，裁剪，翻转，旋转任意角度...）3.2像素内容变换（亮度，色度，饱和度，颜色扰动等）3.3多样本合成数据增强

YOULANSHENGMENG·2023-01-01 13:45

目标检测之SPP(Spatial Pyramid Pooling）论文学习

在物体分类上排名第3，是一篇十分很好的论文，体现了何凯明深厚的数学功底，有一些启发：比如多尺度池化是否可以加入注意力机制，多尺度的思想是否可以应用到特征提取阶段（类似densenet、或者多尺度放缩进行数据增强再进行交替训练强化网络

Diros1g·2023-01-01 12:27

【K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练

K210】K210学习笔记七——使用K210拍摄照片并在MaixHub上进行训练前言K210准备工作K210如何拍摄照片准备工作拍摄相关代码定义用K210拍摄到的照片在MaixHub平台上训练模型测试未开启数据增强的测试结果开启数据增强的测试结果小结前言本人大四学生

欠羽·2023-01-01 12:54

AlexNet论文解读——ImageNet Classification with Deep Convolutional

目录摘要1.介绍2.数据集3.模型架构3.1AlexNet架构图3.2激活函数Relu3.3多GPU训练问题3.4LRN层3.5重叠池化4.减少过拟合4.1数据增强4.2Dropout层5.训练的细节6

要什么自行车儿·2023-01-01 09:58

深度学习模型训练的tricks总结

1、数据与标签角度1.1数据归一化https://blog.csdn.net/ytusdc/article/details/1285042721.2数据增强Randomimagecroppingandpatching

ytusdc·2023-01-01 09:23

ACL’22 | 为大模型定制的数据增强方法FlipDA，屠榜六大NLU 数据集

本文转载自公众号“夕小瑶的卖萌屋”，专业带逛互联网算法圈的神操作-----》我是传送门关注后，回复以下口令：回复【789】：领取深度学习全栈手册（含NLP、CV海量综述、必刷论文解读）回复【入群】：加入卖萌屋深度学习/NLP/CV/搜广推等方向的技术交流与内推社群（大V、顶会审稿人云集）回复【0511】：领取算法岗面试手册（刷offer神器）回复【0424】：领取刷论文神器（挖掘每日、每月必刷重磅

夕小瑶·2023-01-01 07:10

关于神经网络的模型训练时loss和val_loss变化的问题（笔记整理）

trainloss下降⬇，valloss下降⬇，说明网络仍在学习；~~奈斯，继续训练trainloss下降⬇，valloss上升⬆，说明网络开始过拟合了；~~赶紧停止，然后数据增强、正则trainloss

小小凤梨罐头·2023-01-01 01:28

yolov5+pyqt目标检测系统

（1）输入端：Mosaic数据增强、自适应锚框计算、自适应图片缩放（2）Backbone：Focus结构，CSP结构（3）Neck：

一晌Leo·2022-12-31 17:40

PoolFormer实战：使用PoolFormer实现图像分类任务（一）

文章目录摘要安装包安装timm安装grad-cam数据增强Cutout和MixupEMA项目结构计算mean和std生成数据集摘要论文：https://arxiv.org/abs/2111.11418论文翻译

AI浩·2022-12-31 10:58

点云 3D 目标检测 - SECOND（Sensors 2018）

3.SECOND检测器3.1网络架构3.1.1点云分组3.1.2Voxelwise特征提取器3.1.3稀疏卷积中间提取器3.1.4区域提案网络3.1.5锚和指标3.2训练和推理3.2.1损失3.2.2数据增强

77wpa·2022-12-31 10:28

【深度学习】Tricks

图像方面的tricks分类以精度提升为目的（1）增加额外数据（2）更加细化已有分类让每一类的特征更加明显，例如都是车，但可以细分为：越野车，城市越野车，跑车，卡车，拖挂车等；（3）数据增强该方法是为了扩大数据的多样性

mjiansun·2022-12-31 09:50

TensorFlow之DNN（三）：神经网络的正则化方法(Dropout、L2正则化、早停和数据增强)...

缓解神经网络的过拟合问题，一般有两种思路，一种是用正则化方法，也就是限制模型的复杂度，比如Dropout、L1和L2正则化、早停和权重衰减（WeightDecay），一种是增大训练样本量，比如数据增强（

weixin_30535043·2022-12-31 07:50

读《FVGNN: A Novel GNN to Finger Vein Recognition from Limited Training Data》

，滤波增强）特征抽取（LBP，GOM，LGS，OED等方法）特征匹配（度量）静脉图片尤其需要一些预处理，静脉血压、体温等都会有影响小样本多分类限制了深度学习，虽然可以匹配但是分类就很麻（但是CNN通过数据增强会很强

Mighty_Crane·2022-12-30 20:35

2.分类训练之数据准备-自定义数据集(CIFAR10数据加载)

代码分析#数据增强库fromtorchvisionimporttransforms#数据加载和读取的库fromtorch.utils.dataimportDataLoader,DatasetimportosfromPILimportImageimportnum

呆呆珝·2022-12-30 13:52

Kaggle树叶分类Leaves Classify总结

Kaggle树叶分类LeavesClassify总结前言工具准备pytorch可视化安装visdomvisdom例程数据增强库torchvisionCutMix程序预处理准备创建树叶种类标签枚举体自定义

lcpdeb·2022-12-30 12:49

推荐频道

数据增强