Data Augmentation by Pairing Samples for Images Classification

深層学習 画像認識 データ水増し 正則化

概要

arxivにData Augmentationについての論文を公開しました.画像認識タスクで学習時にトレーニングセットの画像を2枚ランダムで選んで重ね合わせてみたら,びっくりするくらいエラー率が減った話です(ImageNetやCIFAR-10で15%くらい,最大で30%近く) https://t.co/pEumNkVquw

— Hiroshi (Taku) Inoue (@inoueh) January 10, 2018

画像認識のためのデータ水増しのテクニック. 異なる2枚の画像を重ねて (mixture) 、それを学習データに追加する (SamplePairing). 単純にデータ数が自乗に増える.

方法

異なる画像を (ラベルを気にせず) 2枚選ぶ. 重ねて出来た画像に元の画像の一方のラベルを与えて学習する.

NOTE: 著者によれば、同じラベルのペアに限定する方法も試したそう (https://twitter.com/inoueh/status/950990313371222016) だが、 全て使ってしまったほうが良いらしい.

実験的には3個合成よりは2個のほうが良かったです.直感的には合成しすぎると,何がなんだかわからなくなる気がしますしw 濃度を変えて混ぜるとかもやったんですが,結局単純な2個平均がベストだったので・・・.

— Hiroshi (Taku) Inoue (@inoueh) January 10, 2018

追記

mixup という名前でほぼ同手法が提案されていた. 論文はこちらが通っている.