OpenMixup: A Comprehensive Mixup Benchmark for Visual Classification

要約

データ ミキシング (ミックスアップ) は、最新のディープ ニューラル ネットワークの汎用性を大幅に強化したデータ依存の拡張手法です。
しかし、混同方法論を完全に理解するには、系統的な公平な評価と実証的分析によるトップダウンの階層的理解が必要ですが、その両方が現在コミュニティ内で不足しています。
このペーパーでは、教師あり視覚分類のための最初の包括的なミックスアップ ベンチマーク研究である OpenMixup について紹介します。
OpenMixup は、データ混合アルゴリズムの幅広いコレクション、広く使用されている多様なバックボーンとモジュール、および一連のモデル分析ツールキットを含む、統合されたミックスアップ ベースのモデル設計およびトレーニング フレームワークを提供します。
公平かつ完全な比較を保証するために、モジュール式で拡張可能なコードベース フレームワークを活用した綿密な交絡因子と微調整を使用して、12 の多様な画像データセットにわたってさまざまな混合ベースラインの大規模な標準評価が実施されます。
興味深い観察と洞察は、混合ポリシー、ネットワーク アーキテクチャ、データセットのプロパティが混合の視覚的分類パフォーマンスにどのように影響するかについての詳細な実証分析を通じて得られます。
私たちは、OpenMixup が以前に得られた洞察の再現性を強化し、混合の特性のより深い理解を促進し、それによってコミュニティに新しい混合方法の開発と評価のキックスタートを提供できることを願っています。
ソース コードとユーザー ドキュメントは \url{https://github.com/Westlake-AI/openmixup} で入手できます。

要約(オリジナル)

Data mixing, or mixup, is a data-dependent augmentation technique that has greatly enhanced the generalizability of modern deep neural networks. However, a full grasp of mixup methodology necessitates a top-down hierarchical understanding from systematic impartial evaluations and empirical analysis, both of which are currently lacking within the community. In this paper, we present OpenMixup, the first comprehensive mixup benchmarking study for supervised visual classification. OpenMixup offers a unified mixup-based model design and training framework, encompassing a wide collection of data mixing algorithms, a diverse range of widely-used backbones and modules, and a set of model analysis toolkits. To ensure fair and complete comparisons, large-scale standard evaluations of various mixup baselines are conducted across 12 diversified image datasets with meticulous confounders and tweaking powered by our modular and extensible codebase framework. Interesting observations and insights are derived through detailed empirical analysis of how mixup policies, network architectures, and dataset properties affect the mixup visual classification performance. We hope that OpenMixup can bolster the reproducibility of previously gained insights and facilitate a better understanding of mixup properties, thereby giving the community a kick-start for the development and evaluation of new mixup methods. The source code and user documents are available at \url{https://github.com/Westlake-AI/openmixup}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google