RandAugment：简化搜索空间的实用自动化数据增强

Sep, 2019

RandAugment：简化搜索空间的实用自动化数据增强

RandAugment: Practical automated data augmentation with a reduced search space

Ekin D. Cubuk, Barret Zoph, Jonathon Shlens, Quoc V. Le

TL;DR本研究提出了一种名为 RandAugment 的自动数据增强技术，可解决现有方法可能面临的训练复杂度和调整正则化强度的问题，并能显著提高神经网络模型的准确性和鲁棒性。

Abstract

Recent work has shown that data augmentation has the potential to significantly improve the generalization of deep learning models. Recently, automated augmentation strategies have led to state-of-the-art results

data augmentation deep learning automated augmentation policies semi-supervised learning randaugment

发现论文，激发创造

UniformAugment: 一种无需搜索的概率数据增强方法

本文研究数据扩增的方法及其在计算机视觉任务中的效果，提出了 UniformAugment，一种无需搜索阶段即可实现自动数据扩增的方法，并通过标准的数据集和经典模型证明其有效性和高效性。

Mar, 2020

AutoAugment: 从数据中学习增强策略

本文介绍了一种自动搜索图像数据增强策略，使用神经网络在目标数据集上产生最高准确性，并在 CIFAR-10，CIFAR-100，SVHN 和 ImageNet 数据集上实现了最先进的准确性，同时找到的增强策略可在不同数据集间转移学习。

May, 2018

AudRandAug: 音频分类的随机图像增强

通过使用 RandAug 的音频版本 AudRandAug 来进行音频数据增强，本研究表明 AudRandAug 在准确性能方面优于其他现有的数据增强方法。

Sep, 2023

对抗自动数据增强

通过使用对抗性方法，Adversarial AutoAugment 能够通过同时优化目标相关对象和数据增强策略搜索损失，以便更快且更有效率地完成深度神经网络的训练及图像分类任务，从而将计算成本减少 12 倍，时间开销减少 11 倍，达到了最佳的实验成果。

Dec, 2019

快速自动增强

本文提出了一种名为 Fast AutoAugment 的算法，通过基于密度匹配的更高效的搜索策略找到有效的数据扩充策略，相比于 AutoAugment，该算法在各种模型和数据集上加速了搜索时间，并实现了可比较的图像识别性能。

May, 2019

深层 AutoAugment

Deep AutoAugment 提供了一种全自动的数据增强搜索方法，通过高效的搜索方法可制定高效的数据增强策略，获得了强大的性能表现。

Mar, 2022

Tied-Augment：控制表示相似度改进数据增强

提出一种称为 Tied-Augment 的通用框架，通过为损失添加一个简单的项来控制失真下表示的相似性，以提高数据增强在广泛应用中的效能，从而改善半监督学习，优化和数据增强方法的表现。

May, 2023

RangeAugment：利用范围学习的高效在线数据增强

该论文介绍了 RangeAugment 自动图像增广方法，使用辅助损失控制增广操作的幅度范围，通过简单的线性搜索优化模型，可以显著提高模型性能并减少增广操作次数。

Dec, 2022

深度强化学习中的自动数据增强以实现泛化能力

本文通过比较三种方法，探究如何寻找适当的数据增强方式，并结合两个新的正则化项，以理论上的方式为某些 actor-critic 算法的数据增广提供支持，最终在 Procgen 基准测试上展示了在相对于标准 RL 算法提高了～40% 的测试性能。我们的代理优于其他针对 RL 中泛化改进的基线。此外，我们还展示了我们的代理学习出更能适应环境变化的策略和表示，包括不保留背景信息的变化。

Jun, 2020

RandMSAugment：用于有限数据场景的混合采样增强

数据增强是一种有效训练深度卷积神经网络以限制数据的方法，本研究探讨了基础增强技术、如混合样本数据增强和无参数的 RandAugment 变体 Preset-RandAugment，在完全监督的情境下证明了 Preset-RandAugment 在有限数据情况下的出色表现，通过引入一种名为 RandMSAugment 的新型数据增强技术，有效结合了现有方法的优势，在 CIFAR-100、STL-10 和 Tiny-Imagenet 数据集上取得了显著的性能提升，无需超参数调整和繁琐的优化过程。

Nov, 2023