无监督的数据增强？

东方树叶无敌好喝 2021-06-16 10:40:08

无监督的数据增强？

...全文

1752 1 打赏收藏转发到动态举报

写回复

1 条回复

切换为时间正序

请发表友善的回复…

发表回复

weixin_38498942 2021-06-17

打赏
举报

回复

无监督的数据增强方法包括两类：
(1) 通过模型学习数据的分布，随机生成与训练数据集分布一致的图片，代表方法GAN
(2) 通过模型，学习出适合当前任务的数据增强方法，代表方法AutoAugment

如何利用未标记数据进行机器学习是当下研究的热点。最近自监督学习、对比学习等提出用于解决该问题。最近来自Google大脑团队的Luong博士介绍了无标记数据学习的进展，半监督学习以及他们最近重要的两个工作：无监督数据增强和自训练学习，是非常好的前沿材料。

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.Conditional GANs3. 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 - 背景很多实际的项目，我们都难以有充足的数据来完成任务，要保证完美的完成任务，有两件事情需要做好：.

在CV方向得模型搭建中，我们常常需要对输入得图片进行数据增强，这将会减少模型对数据的过拟合从儿提升模型的性能。在实际工程中。如工业缺陷、医疗图像等场景，我们获得的数据毕竟有限，通过数据增强来提升模型的性能是非常有用的。此时只能够依靠图像增强的方法来建立训练所需要的数据集。数据增强主要分为监督的数据增强和无监督的数据增强方法。其中有监督的数据增强又可以分为单样本数据增强和多样本数据增强方法，无监督的...

扰动后的图像适合做无监督预训练，从无标注的数据集中学习先验信息，将扰动后的图像输入网络中，执行重建任务。从左往右为原始图像，扰动图像和重建图像，效果其实不怎么好，迁移到分割任务上不知道有没有用，慢慢做实验吧。随机选取一定数量的各种大小和纵横比的窗口，将每个窗口内的所有像素替换为一个随机高斯噪声。这个指数就是gamma，注意Vin的取值范围为0~1，因此需要进行归一化。将图像分为大小相同但不重叠的立方体块，随机遮盖一定比例的块。在肾脏肿瘤数据集（KiTS19）的训练结果。在三维图像中随机打乱部分区域的体素。

Google AI最新研究用无监督数据增强推进半监督学习，取得令人瞩目的成果。该方法超越了所有现有的半监督学习方法，并实现了仅使用极少量标记样本即可达到使用大量标记样本训练集的精度。深度学习之所以能够成功的关键因素，是算法的进步，以及并行处理硬件（GPU / TPU）以及大型标记数据集（如ImageNet）。然而，当标记数据稀缺时，深度学习就像缺了一条腿。在这种情况下，需要应用数据...

高通开发者论坛

2,853

社区成员

5,760

社区内容

发帖

与我相关

我的任务

人工智能物联网机器学习技术论坛（原bbs）北京·东城区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章