2つの画像を混ぜるData Augmentation:「Between-class Learning(BC-Learning)」の効果をKerasで確かめる - Qiita

関連記事

2つの画像を混ぜるData Augmentation:「Between-class Learning(BC-Learning)」の効果をKerasで確かめる - Qiita

画像や音声分類の汎化性能を向上させる目的で開発されたBetween-class Learning(BC-learning)というData...概要を表示 画像や音声分類の汎化性能を向上させる目的で開発されたBetween-class Learning(BC-learning)というData Augmentationの効果をKerasで確かめます。「2つの画像を混ぜる」というアプローチを取るData Augmentationです。10層CNNでCIFAR-10に対して94.59%という素晴らしい性能を確認することができました。 BC-Learningとは? 2つの画像を混ぜるというData Augmetation。これにより、決定境界がより平滑化され、オーバーフィッティングが解消され、ValidationやTestでの汎化性能が向上する。 BC-learningのもともとの着想は音声認識からでした。人間でも、例えば英会話で2つの音を同時に聞くことで学習効率が向上する、というのは耳にします。2つの画像を混ぜても人間には特に意味はないかと思われま

• 機械学習

ブックマークしたユーザー

• sh199107112024年03月28日 sh19910711
• stealthinu2019年03月27日 stealthinu
• knok2019年01月29日 knok