发布时间:2023-05-26 11:00
度量学习DML之Contrastive Loss及其变种_程大海的博客-CSDN博客
度量学习DML之Triplet Loss_程大海的博客-CSDN博客
度量学习DML之Lifted Structure Loss_程大海的博客-CSDN博客
度量学习DML之Circle Loss_程大海的博客-CSDN博客
度量学习DML之Cross-Batch Memory_程大海的博客-CSDN博客
度量学习DML之MoCO_程大海的博客-CSDN博客
数据增强之SpecAugment_程大海的博客-CSDN博客
数据增强之MixUp_程大海的博客-CSDN博客
论文:《mixup:Beyond Empirical Risk Minimization》
参考:GitHub - facebookresearch/mixup-cifar10: mixup: Beyond Empirical Risk Minimization
其中,和数两个数据样本,和是原始的输入数据(如图像矩阵),和是和对应所属类别的one-hot编码,,,用来控制mix的强度。
Mixup的Pytorch代码实现实例如下,mixup的官方实现代码中关于的计算以及loss的计算与下图有所不同。
下面看一下mixup在猫狗数据集上的mix效果:
上图中,第一行是原始数据,第二行是对第一行数据进行随机mix之后的数据,第二行的第一幅图就是将第一行的第一幅图和第二幅图进行mix之后得到的。