Out-of-Distribution Generalization in Image Classification with Controllable Data Augmentation
原文约100字/词，阅读约需1分钟。发表于：。Graph Neural Network 在解决图分类问题上表现出了极好的性能，然而，由于训练和测试数据的选择偏差，造成了分布差异的广泛存在。针对这个问题，我们提出了 OOD-GMixup 方法来联合调控度量空间中的训练分布，并且通过消除杂乱相关和生成虚拟样本来度量、控制分布偏差。实验结果表明，我们的方法在几个真实世界的图分类数据集上优于现有方法。
本文介绍了一种名为OOD-GMixup的方法，用于解决图分类问题中的分布差异。该方法通过调控度量空间中的训练分布，并通过消除杂乱相关和生成虚拟样本来度量和控制分布偏差。实验证明，该方法在几个真实世界的图分类数据集上优于现有方法。
