數據增強：裁剪 》 flip 》 erasing（緩解遮擋）

https://zhuanlan.zhihu.com/p/103267422

論文閱讀】random erasing data augmentation code

論文說明

論文爲CNN訓練提出了一種新的數據增強方法。Random Erasing，在一張圖片中隨機的選擇一個矩形框，在隨機的位置上使用隨機的值來擦除圖片原來的像素。通過該方法能夠給圖片加入不同程度的遮擋，通過這樣的訓練數據，可以減少模型過擬合的風險同時對遮擋具有一定的魯棒性。隨機擦除和random cropping，random flipping一樣可以作爲數據增強的方法，在分類，檢測和行人重識別領域能夠取得不錯的效果。

論文算法

作爲圖片預處理方法，思想比較簡單，主要算法如上圖，輸入圖片  ,擦除的概率  ,擦除區域比例範圍從  ，以及長寬比概率範圍從  。

首先根據概率  確定一張圖片是否需要擦除：

 則不對圖片進行處理，反之，則需要擦除。

根據輸入圖片  可以得到圖片的長寬  ，繼而可以得到面積  。根據  得到擦除的面積  ，擦除面積的長寬根據下式得到：

再根據  得到在原圖中擦除的左上角位置  。加上長寬  便可以得到擦除區域的位置。考慮到  的情況，一旦是該情況便重複該算法，直到滿足  。實際上隨機的區域限定在一個範圍就好，沒必要做重複的操作。具體的擦除代碼

論文實驗

論文提出的數據增強法法簡潔實用，做的一些實驗很值得我們以後利用，這也是之前一直只是用該方法卻沒有看該論文的遺憾，其實論文做了很多實驗，分析了一些有用的東西。

image classification

作者參數設置爲  分類實驗都是在加了random cropping 和flipping基礎上做的，

可以看到基本上加上random erasing對實驗結果都是有提升的。

比較數據增強方法：

通過實驗可以發現效果最好的是random cropping方法，其次是random flipping ,最後纔是random erasing。但是三種一起使用確實能得到最好的效果。

Person re-identification

行人重識別參數設置爲  ，作者的實驗總結了一個我不久前才知道的一個事情。當每個ID下數據較多時，像market1501和duke數據集，使用softmax方法的效果要優於三元組的方法，而當每個ID下數據較少時，也就是每個類別缺乏足夠的訓練樣本，使用三元組的效果要優於softmax。當數據量大的時候需要考慮下該情況