cutout数据增强_马赛克数据增强原理和实现流程
点击量：119
(在苹果系统下，如果⽂章中的图⽚不能正常显⽰，请升级Safari浏览器到最新版本，或者使⽤Chrome、Firefox浏览器打开。)
修理用英语怎么说在YOLOv4的论⽂中，有⼀个很重要的BoF技巧，就是马赛克数据增强。很多⼈刚听说马赛克数据增强的时候，不知道这究竟是⼀种什么样的数据增强⽅案，其实，它是CutMix之类的图⽚预处理⽅案的⼀种推⼴。
YOLOv4等论⽂中，对马赛克数据增强(Mosaic data augment)都有相关的介绍，简单来说就是把四张图⽚裁剪混合成⼀张图⽚，裁剪位置的长宽可以随机变化。在DarkNet中，默认是使⽤马赛克数据增强的，可以在 yolov4.cfg⽂件中切换使⽤mosaic还是cutmix进⾏数据增强。
⼏种传统数据增强的区别:Mixup,Cutout,CutMix
Mixup：将随机的两张样本按⽐例混合，分类的结果按⽐例分配；
Cutout：随机的将样本中的部分区域cut掉，并且填充0像素值，分类的结果不变；
CutMix：将⼀部分区域cut掉但不填充0像素，⽽是随机填充训练集中的其他数据的区域像素值，分类结果按⼀定的⽐例分配
上述三种数据增强的区别：
cutout和cutmix就是填充区域像素值的区别；
mixup和cutmix是混合两种样本⽅式上的区别：
牡丹花茶mixup是将两张图按⽐例进⾏插值来混合样本，
cutmix是采⽤cut部分区域再补丁的形式去混合图像，不会有图像混合后不⾃然的情形珍惜所拥有的童年
⽽YOLOv4的mosaic 数据增强是参考CutMix数据增强，理论上类似，但是mosaic利⽤了四张图⽚，据论⽂说法，其优点是丰富了检测物体的背景，且在BN计算的时候⼀下⼦会计算四张图⽚的数据，使得mini-batch⼤⼩不需要很⼤，那么⼀个GPU就可以达到⽐较好的效果。
台式电脑蓝牙在哪里打开>猎奇吧资源库马赛克数据增强，在实际中，⾸先从总数据集中去除⼀个batch的数据，每次从中随机取出4张图⽚，进⾏随机位置的裁剪拼接，合成新图⽚，重复batch size次，最后得到batch size个经过了马赛克数据增强后图⽚的⼀个batch的新数据，再feed给神经⽹络进⾏训练。
什么神奇
在裁剪拼接图⽚的时候，随机取得的4张图⽚依次以⼀个随机位置的⼗字线裁剪，取对应的部分进⾏拼接。同时，每个原图对应的⽬标框也会受⼗字线裁剪的限制，不会超过原图裁剪范围。
我们可以⽤伪代码描述上述的整体过程王者荣耀胜率排行
以及⽤伪代码描述每⼀个batch图⽚数据的马赛克数据增强过程歌手誓言
经过上述的数据增强过程后，我们可以获得⼀张这样的增强后的图⽚数据。
本⽂所述内容的具体实现过程参考代码为github上这两份代码，第⼀个是tf复现的版本，第⼆个是YOLOv4官⽅的 C++ 版本。
最后，谢谢⼤家。
