SAFLEX:通过特征标签外推进行自适应增强
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了现有数据增强方法在多样数据类型和任务中的适用性限制。我们提出了一种名为SAFLEX的高效自适应增强方法,通过特定的双层优化算法学习增强样本的权重和软标签。该方法能有效降低上游增强管道的噪声和标签错误,展示了在少样本学习和跨分布泛化中的优异表现。
该论文介绍了一种名为Label-Aware AutoAugment(LA3)的数据增强算法。LA3利用标签信息为不同样本制定增强策略,通过两阶段学习评估和排名增强方法,构建组合策略。在CIFAR-10、CIFAR-100上表现优异,并在ResNet-50上实现了ImageNet新的最高精度79.97%,计算成本低。