解读 Data Augmentation using Random Image Cropping and Patching for Deep CNNs

本文主要是介绍解读 Data Augmentation using Random Image Cropping and Patching for Deep CNNs，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

论文提出了一种新的数据增强的方法：利用随机图像裁剪和拼接的方法random image cropping and patching (RICAP)

文章链接：https://arxiv.org/pdf/1811.09030.pdf

在人工智能日益流行的趋向下，数据显得尤为重要。既能增加样本多样性，也能防止过拟合。现有的数据增强方法有：翻转flipping，缩放resizing，平移变换shifting等

本文提出RICAP可看下图直观理解：

RICAP 是一种新的数据增强的方法，可以运用在深层次的卷积神经网络中。另外，RICAP也提到关于标签平滑。
RICAP主要有三个步骤：

1. 从训练集中随机选取四张图片
2. 分别裁剪各张图片
3. 将裁剪得到的图片拼接成为一张新的图片

文中给出的python代码如下：
涉及numpy和 PyTorch模块

这篇关于解读 Data Augmentation using Random Image Cropping and Patching for Deep CNNs的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---