-
On Feature Normalization and Data AugmentationARXIV/Neural Network 2020. 3. 10. 11:31
https://arxiv.org/abs/2002.11102v2
On Feature Normalization and Data Augmentation
Modern neural network training relies heavily on data augmentation for improved generalization. After the initial success of label-preserving augmentations, there has been a recent surge of interest in label-perturbing approaches, which combine features an
arxiv.org
abstract
본 논문은 특징 일반화에 의해 추출되고 첫번째와 두번째 모메트를 활용하는 새로운 data augmentation(데이터 보강 기법) 방법을 제시한다.
현대 neural network 훈련은 개선된 일반화를 하기 위해 data augmentation(데이터 보강 기법)에 크게 의존한다.
이 기법이 나오고 나서 최근에 label-preserving augmentation에 대한 관심도 급증하고 있어, 학습된 의사 결정 표면을 매끄럽게 하기 위해서 훈련 데이터에서 특징과 라벨을 결합하는 연구도 진행되고 있다.
본 논문에서는 한 훈련 이미지의 학습된 특징을 다른 훈련 이미지의 모멘트로 대체하고 대상 레이블을 augmentationg하였다. 이는 컴퓨터 비전, 음성 및 자연어 처리의 벤치 마크 데이터 세트에 대한 효율성이 높았다.
'ARXIV > Neural Network' 카테고리의 다른 글
Matching Networks for One Shot Learning (0) 2020.04.13 Edge-labeling Graph Neural Network for Few-shot Learning (0) 2020.04.13 Bayesian Deep Learning and a Probabilistic Perspective of Generalization (0) 2020.03.17 Two-sample Testing Using Deep Learning (0) 2020.03.11 Neural Kernels Without Tangents (0) 2020.03.07