歡迎來到《每周CV論文推薦》。在這個專欄里，還是本著有三AI一貫的原則，專注于讓大家能夠系統性完成學習，所以我們推薦的文章也必定是同一主題的。

數據增強在每一個深度學習項目中都是必要的操作，今天給大家推薦在計算機視覺中常用的數據增強相關的論文。

作者&編輯 | 言有三

1 裁剪縮放增強

在AlexNet中采用了四個角加中心裁剪以及翻轉的方法，在測試的時候使用了10個不同的輸入圖最后將結果平均，這是很簡單而且很重要的融合技巧。在VGG中使用了scale jittering的方法，即將圖像先在一個范圍內進行隨機縮放然后裁剪，可以提升訓練精度，這兩篇文章的引用量加起來超過了60000，需要精讀，因為隨機裁剪效果遠超其他方法。

文章引用量：60000+

推薦指數：?????

[1] Krizhevsky A, Sutskever I, Hinton G E. Imagenet classification with deep convolutional neural networks[C]//Advances in neural information processing systems. 2012: 1097-1105.

[2] Simonyan K, Zisserman A. Very deep convolutional networks for large-scale image recognition[J]. arXiv preprint arXiv:1409.1556, 2014.

2 樣本插值SMOTE和Mixup

類不平衡現象是很常見的，它指的是數據集中各類別數量不近似相等。如果樣本的數量相差很大，會影響分類器的分類效果。SMOTE即Synthetic Minority Over-sampling Technique方法，它通過人工合成新樣本來處理樣本不平衡問題，從而提升分類器性能。

Facebook人工智能研究院和MIT在“Beyond Empirical Risk Minimization”中提出的Mixup與之類似。

文章引用量：6000+

推薦指數：?????

[3] Chawla N V, Bowyer K W, Hall L O, et al. SMOTE: synthetic minority over-sampling technique[J]. Journal of artificial intelligence research, 2002, 16: 321-357.

[4]?Zhang H, Cisse M, Dauphin Y N, et al. mixup: Beyond empirical risk minimization[J]. arXiv preprint arXiv:1710.09412, 2017.

3 學習增強策略Autoaugmentation

AutoAugment是Google提出的自動選擇最優數據增強方案的研究，這是無監督數據增強的重要研究方向。它的基本思路是使用增強學習從數據本身尋找最佳圖像變換策略，對于不同的任務學習不同的增強方法，在這個基礎上發展出了針對目標檢測等領域的方法。

文章引用量：120+

推薦指數：?????

[5] Cubuk E D, Zoph B, Mane D, et al. AutoAugment: Learning Augmentation Policies from Data.[J]. arXiv: Computer Vision and Pattern Recognition, 2018.

4 其他資料

除了以上論文閱讀，如果大家對這個方向感興趣，可以閱讀我們公眾號的綜述文章以及相關的GitHub項目。

另外，給大家一個綜述，比較總結了各種常見的數據增強方法。

[6] Shorten C, Khoshgoftaar T M. A survey on Image Data Augmentation for Deep Learning[J]. Journal of Big Data, 2019, 6(1): 60.

5 如何獲取文章與交流

找到有三AI開源項目即可獲取。

https://github.com/longpeng2008/yousan.ai

文章細節眾多，閱讀交流在有三AI知識星球中進行，感興趣可以加入。

總結

以上就是初入深度學習領域必讀的理論相關的文章，下一期我們將介紹一些訓練和測試數據使用技巧相關的文章。

有三AI夏季劃

有三AI夏季劃進行中，歡迎了解并加入，系統性成長為中級CV算法工程師。

轉載文章請后臺聯系

侵權必究

往期精選

• 【每周論文推薦】 初入深度學習CV領域必讀的幾篇文章

• 【每周CV論文推薦】 掌握殘差網絡必讀的10多篇文章

• 【每周CV論文推薦】 初學者必須精讀的5篇深度學習優化相關文章

• 【每周NLP論文推薦】從預訓練模型掌握NLP的基本發展脈絡

• 【每周NLP論文推薦】 NLP中命名實體識別從機器學習到深度學習的代表性研究

• 【每周NLP論文推薦】 介紹語義匹配中的經典文章

總結

以上是生活随笔為你收集整理的【每周CV论文推荐】 CV领域中数据增强相关的论文推荐的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。