Augmentation

PNGAN解读参照（Improving Image Denoising Performance by Data Augmentation Method）

ImprovingImageDenoisingPerformancebyDataAugmentationMethodExistingdeeplearningrealdenoisingmethodsrequirealargeamountofnoisy-cleanimagepairsforsupervision.Nonetheless,capturingarealnoisy-cleandataseti
cp1147·2022-12-16 09:44

DAGA: Data Augmentation with a Generation Approach for Low-resource Tagging Tasks 论文解读

文章提出的DAGA是一种适配于NER的数据增强方法，来自阿里达摩院1.核心思想DAGA的思想简单来讲就是标签线性化：即将原始的**「序列标注标签」与「句子token」进行混合，也就是变成「Tag-Word」**的形式，如下图：将「B-PER」放置在「Jose」之前，将「E-PER」放置在「Valentin」之前；对于标签「O」则不与句子混合。标签线性化后就可以生成一个句子了，文章基于此句子就可以进
Dongxue_NLP·2022-12-13 12:05

关于Keras 的 ImageDataGenerator 和 Data Augmentation

今天的分享是关于如何使用keras的ImageDataGenerator类来进行数据增强处理（dataaugmentation）。通过这篇博客你会了解：什么是数据增强？为什么我们要使用数据增强？数据增强的几种常用类型。什么情况下可以使用，什么情况下不能使用？1什么是数据增强如果你使用过keras，那么首先请你来看一下面的这个问题：以下的选项当中，哪一个是增强处理（dataaugmentation）
Pierce_KK·2022-12-11 00:36

论文阅读：Augmentation for small object detection(小目标检测的增强)-CVPR2019

论文题目：Augmentationforsmallobjectdetection文章目录论文题目：Augmentationforsmallobjectdetection1.介绍1.1背景1.2小目标检测困难的原因2.方法2.1Oversampling2.2Copy-Pasting3.实验结果3.1Oversampling3.2Copy-Pasted3.3Copy-PastedStrategies论
欢天喜地小姐姐·2022-12-09 02:07

Time Series Data Augmentation for Deep Learning: A Survey

TimeSeriesDataAugmentationforDeepLearning:ASurvey1、Introduction深度学习近年来也被广泛地应用到时间序列分类（timeseriesclassification）、时间序列预测（timeseriesforecasting）、时间序列异常监测（timeseriesanomalydetection）。深度学习的成功很大程度上依赖于大量的训练数据
卉卉卉大爷·2022-12-09 02:07

【论文笔记】：Augmentation for small object detection

&Title:AugmentationforsmallobjectdetectionCVPR2019&Summary作者分析MSCOCO数据集，以及MaskRCNN在这个数据集上的目标识别、分割性能表现，发现模型对于很小的目标性能较差，认为是两个原因导致的：含有小物体的图片少；即使有的图片含有小物体，小物体出现得少。提出在对存在小目标的图像进行oversample，以及复制小目标黏贴到不同位置的方
Activewaste·2022-12-09 02:06

【论文笔记】：Learning Data Augmentation Strategies for Object Detection

&Title:LearningDataAugmentationStrategiesforObjectDetectionLearningDataAugmentationStrategiesforObjectDetection(译)&Summary这个方法是谷歌大脑QuocLe团队，又训练出的一个目标检测模型，通过特别的数据扩增策略，再用自动扩增来的新数据集训练目标检测模型，使该算法在针对小数据集的目
Activewaste·2022-12-09 02:06

Learning Data Augmentation Strategies for Object Detection（翻译）

这个方法是谷歌大脑QuocLe团队，又训练出的一个目标检测模型，通过特别的数据扩增策略，再用自动扩增来的新数据集训练目标检测模型，使该算法在针对小数据集的目标检测上取得了很好的效果。该论文和开源代码如下：论文传送门：https://arxiv.org/abs/1906.11172代码传送门：https://github.com/tensorflow/tpu/tree/master/models/o
马大哈先生·2022-12-09 02:36

【Augmentation Zoo】Augmentation for small object detection的代码实现

代码实现在：https://github.com/zzl-pointcloud/Data_Augmentation_Zoo_for_Obj
zzl_1998·2022-12-09 02:36

[CVPR-21] Scale-aware Automatic Augmentation for Object Detection

Scale-awareAutomaticAugmentationforObjectDetectioncode:GitHub-dvlab-research/SA-AutoAug:Scale-awareAutomaticAugmentationforObjectDetection(CVPR2021)paper:https://arxiv.org/pdf/2103.17220.pdf目录1Motivat
zzl_1998·2022-12-09 02:36

论文阅读：Augmentation for small object detection

Copy-Paste文章  本文瞄准的是目标检测中小目标检测精度低的问题，作者认为是两个原因导致的：1.含有小物体的图片少；2.即使有的图片含有小物体，小物体出现得少。（个人感觉这和下面在COCO上的实验有点矛盾呀，COCO中小物体还是多呀？）首先我们看一下COCO中对物体尺寸的定义：接着作者统计了下面的表格（MaskR-CNN）可以看出COCO中小物体很多，但是包含小物体的图片少，同时小物体在R
Kivee123·2022-12-09 02:05

论文阅读：Learning Data Augmentation Strategies for Object Detection

文章目录1、论文总述2、学习数据增强这方面的学术进展3、本文对离散优化问题所使用的方法4、搜索出来的最有效的数据增强手段5、实验结果表格6、两个有趣的发现7、Learneddataaugmentationimprovesmodelregularization1、论文总述这篇论文是在Autoaugment基础上探索目标检测里的数据增强的自动学习，Autoaugment是针对分类网络的，论文最主要的内
贾小树·2022-12-09 02:34

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、ThekeydifferencebetweenourmethodandGAN4、Asearchalgorithmandasearchspace.5、OneofthepoliciesfoundonSVHN6、Searchalgorithmdetails:PPO7、Oneofthesuccessfulpolicieson
贾小树·2022-12-09 02:34

论文解读 Learning Data Augmentation Strategies for Object Detection

目录LearningDataAugmentationStrategiesforObjectDetectionMotivationMethod实验结果结论LearningDataAugmentationStrategiesforObjectDetection今天介绍一篇来自GoogleBrain团队的工作“LearningDataAugmentationStrategiesforObjectDete
dwilimeth·2022-12-09 02:33

【AutoAgument for OD】《Learning Data Augmentation Strategies for Object Detection》

ECCV-2020文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4Method5Experiments5.1Learningadataaugmentationpolicy5.2Learnedaugmentationpolicysystematicallyimprovesobjectdetection5.3Explo
bryant_meng·2022-12-09 02:02

论文阅读：Improving Attention-Based HMER with Scale Augmentation and Drop Attention

一、解决问题传统的基于语法的方法，是通过符号分割、符号识别和结构分析来识别数学公式。许多HMER的DNN模型把HMER作为一个图像到序列的问题，如Image-2-Markup、WAP、Patterngenerationstrategies和pairedadversariallearning。这些方法通常将识别文本标准化到某个固定的高度。但由于数学公式复杂的二维结构和不同尺寸的符号，规范化为相同的高
Ashleyyyi·2022-12-08 20:56

小样本学习记录————文本中特征空间的数据增强MEDA： Meta-Learning with Data Augmentation for Few-Shot Text Classification

MEDA:Meta-LearningwithDataAugmentationforFew-ShotTextClassification出发点数据增强球合成器合成模块Synthesismodule转换模块Transformationmodule损失函数球生成器部分损失函数元学习损失训练策略实验数据集结语出发点对于小样本学习文本分类问题中，限制其性能的主要原因之一是因为对于每一个类别有多种的表示方式。
云溪龙·2022-12-08 14:01

论文阅读笔记（15）：Deep Subspace Clustering with Data Augmentation，深度子空间聚类+数据增强

论文阅读笔记（15）：DeepSubspaceClusteringwithDataAugmentation，深度子空间聚类+数据增强摘要1介绍2相关工作带增强的聚类方法具有一致性损失的自监督子空间聚类中的自表达模型3深度子空间聚类+数据增强总结4寻找有效增强2020年的NeruaIPS收录文章开源代码：https://github.com/mahdiabavisani/DSCwithDA.git.
塔_Tass·2022-12-08 07:34

打通图像增强tensorflow版Unet_v2代码

目录数据path结构代码调试构建数据生成器对象Augmentation函数doAugmentate函数splitMerge函数保存到.npy模型文件完整代码data.pyunet.py实验结果基础v1版
WRStop·2022-12-08 00:33

202203Self-Supervised Pretraining and Controlled Augmentation Improve RareWildlife Recognition inUAV

目录一、key-word1.1Pretexttask1.2MoCo1.3CLD二、SSL(self-supervisedlearning)framework2.1Augmentation2.2KuzikusWildlifeDatasetPre-training
WRStop·2022-12-08 00:03

CS224W 8 GNN Augmentation andTraining

目录GraphAugmentationforGNNs引入WhyGraphAugmentationGraphAugmentationApproachesFeatureAugmentationonGraphsInputgraph没有nodefeaturesGNN很难学习的一些特定结构GraphStructureaugmentationAugmentsparsegraphs——添加虚拟节点或边NodeN
huihui冲啊·2022-12-04 12:59

[TinyML]NetAug:Network Augmentation for Tiny Deep Learning

NetAug:NetworkAugmentationforTinyDeepLearningAbstractSectionIIntroductionSectionIIRelatedWorkKnowledgedistillationRegularizationMethodsTinyDeepLearningSectionIIINetworkAugmentationPart1FormulationPart
黄小米吖·2022-12-03 00:41

文本生成 | retrieval augmentation（进阶篇Atlas）

每天给你送来NLP技术干货！来自：NLP日志提纲1简介2模型架构3实验设计3.1损失函数3.2预训练任务3.3Efficientretrieverfine-tuning4实验结论5分析5.1可解释性5.2可更新性6总结参考文献1简介之前写过若干篇retrievalaugmentation的文章，对几种当下较为火热的retrievalaugmentation的方法做了详细介绍，进而清晰地知道这种方法
zenRRan·2022-12-02 17:23

CS224W: Machine Learning with Graphs - 08 GNN Augmentation and Training

GNNAugmentationandTraining0.AGeneralGNNFrameworkIdea:rawinputgraph≠\neq=computationalgraphGraphfeatureaugmentationGraphstructuremanipulation1).WhyAgumentGraphs?Ourassumptionsofarhasbeen:rawinputgraph
xbfu-xjtu·2022-11-30 23:21

读论文笔记1：Text Smoothing: Enhance Various Data Augmentation Methods on Text Classification Tasks

初读论文，不准确之处敬请谅解，欢迎指正参考文献：[TextSmoothing:EnhanceVariousDataAugmentationMethodsonTextClassificationTasks](https://aclanthology.org/2022.acl-short.97)(Wuetal.,ACL2022)一.生词：low-resourceregime低资源状态dataaugme
IT蛮牛·2022-11-30 01:32

Data Augmentation for Deep Learning-based Radio ModulationClassification解读（基于深度学习的无线电调制分类数据扩充）

摘要：深度学习最近被应用于自动分类接收无线电信号的调制类别，而无需人工经验。然而，训练深度学习模型需要大量的数据。训练数据不足会导致严重的过度拟合问题，降低分类精度。为了处理小数据集，数据增强被广泛应用于图像处理中，以扩展数据集，提高深度学习模型的鲁棒性。然而，在无线通信领域，不同的数据增强方法对无线电调制分类的影响还没有得到研究。在该文中，通过基于深度学习的调制分类器来评估不同的数据增强方法。根
鸡蛋糕糕糕·2022-11-29 05:49

22-数据增强Style Transfer as Data Augmentation: A Case Study on Named Entity Recognition

数据增强范畴和OpenRelationandEventTypeDiscoverywithTypeAbstraction这篇文章，有些类似文章目录数据增强范畴background一、Modelmodelstructureparaphrasegenerationcycle-consistentreconstruction二、数据选择实验总结backgroundInthefewshotscenarios
等景，不如找景·2022-11-28 07:12

训练技巧之数据增强（data augmentation）

YouTube视频我们在训练数据之前，需要先对输入数据进行预处理，其中数据增强就是预处理过程中的一个手段，即通过这样的方式能够使得输入数据成倍的增长。为什么要做数据增强因为在深度学习领域，更多的数据能够使得我们的模型更稳健，不太容易发生过拟合的现象，而有些时候我们并不能收集到足够多的原始数据。什么是数据增强对于图片来说，数据增强的本质是要对输入图像的像素点的分布、值的大小做一些根本性的变化，但是在
lucky公主·2022-11-28 04:32

读书笔记：Red blood cell image generation for data augmentation using Conditional Generative Adversarial

读书笔记：RedbloodcellimagegenerationfordataaugmentationusingConditionalGenerativeAdversarialNetworks利用GAN来增强数据集是我最近的学习之一，这几天我将重点放到数据集增强两篇论文中加强理解。同时这一次阅读论文我以段落为单位进行阅读与提炼重点。论文的主要内容：摘要abstract背景：提出了一种image2i
Jesse～Lau·2022-11-28 00:08

Local Augmentation for Graph Neural Networks

目录1内容简介2主要贡献3准备工作4LA-GNN4.1局部增强-LA4.1.1动机4.1.2效果4.1.3方法4.1.4讨论4.2从下游图学习的生成模型训练4.3损失函数4.3.1监督损失4.3.2一致性正则化损失5训练和推理过程6总结1内容简介GNN的关键思想是通过聚合来自本地邻域的信息来获得信息表示。然而，邻域信息是否被充分聚合以学习具有少数邻居的节点的表示仍然是一个悬而未决的问题。为了解决这
猪猪的菜牙·2022-11-26 14:56

论文阅读：Scale-aware Automatic Augmentation for Object Detection (CVPR 2021)

paper:https://arxiv.org/abs/2103.17220code:https://github.com/dvlab-research/SA-AutoAugGitHub-dvlab-research/SA-AutoAug目录1Motivation1.1图像级增强Image-levelaugmentations1.2盒级增强Box-levelaugmentations2Method
不瘦8斤的妥球球饼·2022-11-26 10:37

[NAS-AutoAug]AutoAugment: Learning Augmentation Strategies from Data

论文链接：AutoAugment:LearningAugmentationStrategiesfromDataCVPR2019论文设计了自动搜索数据增强策略的方法。在限定的数据增强的搜索空间中采样出数据增强policy。根据policy对图像进行变换后输入训练，把验证集的acc作为reward信息反馈给增强学习算法，不断交互，获取最好效果的policy。(1)直接在数据集上搜索(2)policy迁
Moeyinss·2022-11-26 10:03

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_Strategies_From_Data_CVPR
夏赞恩·2022-11-26 10:02

【论文笔记】TrivialAugment: Tuning-free Yet State-of-the-Art Data Augmentation

论文论文题目：TrivialAugment:Tuning-freeYetState-of-the-ArtDataAugmentation接收：ICCV2021Oral论文地址：https://arxiv.org/abs/2103.10158代码地址：https://github.com/automl/trivialaugmentAbstract自动增强方法是增强模型性能的重要支柱。现有自动增强方法
m0_61899108·2022-11-26 10:31

Self-supervised Augmentation Consistency for Adapting Semantic Segmentation

Self-supervisedAugmentationConsistencyforAdaptingSemanticSegmentationAbstract为什么praticalandhighlyaccurate；实用并且高精度之前的方法adversarialobjectives,networkensemblesandstyletransfer我们的方法标准的数据增强–photometricnois
Stdleohao·2022-11-25 22:55

data augmentation - pytorch

1.Brightness,Contrast,Hue,orSaturationEffectBrightness,Contrast,Hue,orSaturationEffectUsetheColorCorrectionEffecttochangethecapture’sbrightness,contrast,hue,saturation,andgammapropertiesduringthecaptu
wuguangbin1230·2022-11-25 14:13

【Pytorch学习】 -- Customer Dataset & Data Augmentation

CustomerDataset学习视频数据集构建importosimportpandasaspdimporttorchfromtorch.utils.dataimportDatasetfromskimageimportioclassCatsAndDogsDataset(Dataset):def__init__(self,csv_file,root_dir,transform=None):self.
丶Dylan·2022-11-25 14:11

Pytorch Data Augmentation using Torchvision

介绍展示了如何在CIFAR10数据集上使用转换（可能不需要很多）以及在小型CNN网络上进行训练的小示例Showsasmallexampleofhowtousetransformations(perhapsunecessarilymany)onCIFAR10datasetandtrainingonasmallCNNtoynetwork.importtorchimporttorch.nnasnn#Al
穹镜·2022-11-25 13:11

数据增强（Data Augmentation）系列： SnapMix 原理及应用

数据增强（DataAugmentation）系列：SnapMix作者：ShaoliHuang发表时间：2020Paper原文：SnapMix:SemanticallyProportionalMixingforAugmentingFine-grainedData、官方开源代码：https://github.com/Shaoli-Huang/SnapMixSnapMix是由ShaoliHuang等人提
kuweicai·2022-11-25 13:00

pytorch: 数据增广(Data Augmentation)

常用的数据增广方法：比例缩放位置截取翻转旋转亮度、对比度和色调的变化读取原图：importtorchvision.transformsastransformsfromPILimportImageimg=Image.open('cat.jpg')img.show()print('img:',img.size)输出为：img:(500,313)1、比例缩放img1=transforms.Resize(
Caesar6666·2022-11-25 13:56

数据增强（Data Augmentation）常用方法汇总

1、数据增强的作用1）避免过拟合。当数据集具有某种明显的特征，例如数据集中图片基本在同一个场景中拍摄，使用Cutout方法和风格迁移变化等相关方法可避免模型学到跟目标无关的信息。2）提升模型鲁棒性，降低模型对图像的敏感度。当训练数据都属于比较理想的状态，碰到一些特殊情况，如遮挡，亮度，模糊等情况容易识别错误，对训练数据加上噪声，掩码等方法可提升模型鲁棒性。3）增加训练数据，提高模型泛化能力。4）避
alex1801·2022-11-25 10:10

李宏毅2021年机器学习作业3（CNN—classification）实验记录

李宏毅2021年机器学习作业2学习笔记前言一、问题描述二、实验过程2.1跑助教提供的baseline2.2加入image-augmentation2.3修改数据增强部分2.4在2.3基础上，最后全连接层处理
DogDog_Shuai·2022-11-24 18:47

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，该方法创建一个数据增强策略的搜索空间，利用搜索算法选取适合特定数据集的数据增强策略。此外，从一个数据集中学到的策略能够很好地迁移到其它相似的数据集上。论文地址：https://arxiv.org/pdf/1805.09
DRACO于·2022-11-24 12:43

CNN Data Augmentation（数据增强）-旋转

1、原始状态最初的图像是这个样子的.xml文件张下面这个样子face0315.307918240.234604693.677419699.6832842、旋转图像并修改对应的xml文件importcv2importmathimportnumpyasnpimportos#pdb仅仅用于调试，不用管它importpdb#旋转图像的函数defrotate_image(src,angle,scale=1.
木_凌·2022-11-23 21:16

【机器学习】数据增强(Data Augmentation)

文章目录一、引言-背景二、为什么需要数据增强？三、什么是数据增强？定义分类四、有监督的数据增强1.单样本数据增强（1）几何变换类（2）颜色变换类2.多样本数据增强（1）SMOTE（2）SamplePairing（3）mixup五、无监督的数据增强1.GAN2.ConditionalGANs3.Autoaugmentation六、数据增强过程中需要注意的问题七、总结参考链接一、引言-背景很多实际的项
想变厉害的大白菜·2022-11-23 20:43

FRUIT QUALITY AND DEFECT IMAGE CLASSIFICATION WITH CONDITIONAL GAN DATA AUGMENTATION

这篇文章主要解决的是柠檬好坏的图像分类任务，首先用VGG16网络对柠檬图像进行分类，探索了表示层神经元数量对分类结果的影响。然后提出了使用CGAN对柠檬分类数据集进行扩增，可以给定类别生成好的和坏的柠檬图像，并通过实验探索不同数量的扩增图像对分类结果的影响。最后对VGG16进行不同比例的剪枝实验，加速网络的推理速度。
Howie_tzh·2022-11-23 15:14

[CVPR-20] Randaugment: Practical automated data augmentation with a reduced search space

Randaugment:Practicalautomateddataaugmentationwithareducedsearchspace摘要自动搜索数据增强策略有着庞大且离散的搜索空间，AutoAugment的解决方法是在小规模proxytask上搜索，但proxytask和actualtask之间的gap还未解决；previouswork需要独立搜索每个operation的强度和概率，本文发现
zzl_1998·2022-11-23 00:58

A Simple Baseline for Semi-supervised Semantic Segmentation with Strong Data Augmentation

作者认为前人没有使用强增强，是因为强增强引起的分布差异会损害BN，作者在AdvProp和Randaugment:Practicalautomateddataaugmentationwithareducedsearchspace的基础上在半监督语义分割上进行强增强，并利用辅助BN的方法防止特征偏移，另外作者设计了一个自校正损失用来抗噪。Method半监督过程：使用标记好的数据和交叉熵训练好教师模型，
favomj·2022-11-23 00:27

【GridMask】《GridMask Data Augmentation》

arXiv-2020文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4GridMask5Experiments5.1ImageClassification5.2ObjectDetectiononCOCODataset5.3SemanticSegmentationonCityscapes5.4ExpandGridasRe
bryant_meng·2022-11-23 00:53

【Randaugment】《Randaugment：Practical automated data augmentation with a reduced search space》

CVPRW-2020文章目录1BackgroundandMotivation2RelatedWork3Advantages/Contributions4Method4.1Systematicfailuresofaseparateproxytask4.2Automateddataaugmentationwithoutaproxytask5Experiments5.1CIFAR-10andSVHN5.
bryant_meng·2022-11-23 00:18
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他