数据增强之MixUp
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
MixUp
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。