SSL論文筆記（數據增廣）：RandAugment

Abstract 日前，自動化增廣策略幫助圖像分類和目標檢測實現了SOTA結果，且也幫助了半監督學習領域並提升了魯棒性 但是由於需要一個單獨的搜索階段，存在兩個問題： 增加了訓練複雜性和計算代價 不能基於模型容量或者數據集大小去調整正則化強度 本文解決了上述困境，顯著縮小了搜索空間（僅有兩個超參），以此完全消除了在一個單獨的代理任務上的搜索階段，構建了模型參數和數據增廣的統一優化策略。 Intro

>>阅读原文<<