Nov, 2022
ImageNet-X: 使用变化因素注释理解模型错误
ImageNet-X: Understanding Model Mistakes with Factor of Variation Annotations
Badr Youbi Idrissi, Diane Bouchacourt, Randall Balestriero, Ivan Evtimov, Caner Hazirbas...
TL;DR使用 ImageNet-X 图像数据集,研究了模型的架构、学习模式和训练程序对模型在不同姿态、背景和光照下识别失败的影响。研究结果表明数据增强技术可以提高模型对某些因素的鲁棒性,但也会对其他因素产生溢出效应。未来应该集中精力收集更多数据和了解数据增强方案,以提高现代视觉模型的鲁棒性。