《Mixup数据增强及其扩展》综述

文章预览

摘要——在过去的十年中，深度神经网络取得了令人振奋的突破，数据增强作为一种正则化技术在缺乏大规模标注数据的情况下越来越受到关注。在现有的数据增强方法中，Mixup 及相关的数据混合方法通过凸组合选定样本及其对应的标签生成数据依赖的虚拟数据，广泛应用于各种领域并取得了优异的性能。本综述对基础的Mixup方法及其应用进行了全面的回顾。 我们首先详细阐述了包含Mixup增强的训练流程，作为一个包含模块的统一框架。一个重构的框架可以容纳各种Mixup方法，并给出直观的操作步骤。然后，我们系统地研究了Mixup增强在视觉下游任务、各种数据模态上的应用，以及Mixup的分析与定理 。同时，我们总结了当前Mixup研究的现状和局限性，并指出了进一步提升Mixup增强有效性和效率的研究方向。本综述可以为研究者提供Mixup方法的最新进展 ………………………………