深度框架训练中，哪些数据增强不能有效提升最终精度呢？

本文共计2373个文字，预计阅读时间需要10分钟。

✨ 学习群 ✨扫描主页获取加入方式，欢迎关注计算机视觉研究学院。学院专栏：作者Edison_G数据增强（DA）是训练最先进的深度学习系统的必要技术。今天分享中...

､．​

学习群｜扫码在主页获取加入方式

欢迎关注“

计算机视觉研究院

”

计算机视觉研究院专栏

作者：Edison_G

数据增强(DA)是训练最先进的深度学习系统的必要技术。在今天分享中，实证地表明数据增强可能会引入噪声增强的例子，从而在推理过程中损害非增强数据的性能。

一、前言&简要

为了缓解上述问题，有研究者提出了一种简单而高效的方法，称为保持增强（KeepAugment），以提高增强图像的保真度。其主要思想是首先使用显著性map来检测原始图像上的重要区域，然后在增强过程中保留这些信息区域。这种信息保护策略使我们能够生成更忠实的训练示例。

在实验上，也证明了该方法在一些现有的技术数据增强方案上有了显著的改进，例如：自动增强、裁剪、随机擦除，在图像分类、半监督图像分类、多视点多摄像机跟踪和目标检测等方面取得了很好的效果。