MOSAIC 数据增强


mosaic数据增强理解起来十分方便,主要思想是将四张图片进行随机裁剪,再拼接到一张图上作为训练数据。原文中提到这样做的好处是丰富了图片的背景,并且四张图片拼接在一起变相地提高了batch_size,在进行BN的时候也会计算四张图片,所以对本身batch_size不是很依赖。

YOLO-tensorflow的代码在github
简单的记录一下。


 Previous
深度学习常见的激活函数sigmod、tanh、ReLU、LeakyRelu、Relu6 深度学习常见的激活函数sigmod、tanh、ReLU、LeakyRelu、Relu6
记录一下sigmod、tanh、ReLU、LeakyRelu、Relu6激活函数的区别与优缺点
2020-08-13
Next 
CVPR 论文Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection CVPR 论文Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection
  在这篇文章中,作者首先指出了anchor-based和anchor-free方法最终训练结果的性能差异主要来来自于正负样本的选择。如果在训练的过程中采取相似的正负样本定义策略那么在最终的结果上是几乎相同的。也就是说如
2020-08-03
  TOC