(작성중)AugMix : A Simple Data Processing Method to Improve Robustness and Uncertainty

Abstact
현대 딥러닝 네트워크는 대부분 견고하나 현실에서는 그렇지 않음. 만약 학습데이터 분포와 테스트데이터 분포가 맞지 않으면 성능은 떨어진다. 본 논문에서는 이미지 분류 시 견고함과 불확실성을 향상시킬 수 있는 방법을 제시한다.(AugMix)

3. Augmix

Augmix : 모델의 robustness와 uncertainty를 향상시킬 수 있는 데이터 증강 기법.
현대 딥러닝 모델은 대부분 고정된 증강기법 기억으로 인해 corruption robustness 성능이 떨어진다. (augmentation하는 방법이 고정되어 있거나 거기서 거기임. shift하거나 rotate하는 방법....) 이전 기법들은 너무 뻔해서 오히려 성능향상에 방해가 된다! []

위의 사진을 보면 연속적으로 이미지가 변화되는데, 이 기법은 원본 이미지와 멀어질 뿐더러 비현실적인 이미지가 되어버린다.

(1) Augmentation
AutoAugment을 참고한 변환을 사용한다. 그 결과 아래 사진처럼 IMAGENET을 변환할 수 있다. 이때 기존 IMAGENET-C데이터셋과 겹치는 변환(contrast, color, brightness, sharpness, cutout)은 제외하였다. 또한, image noising과 image blurring변환 역시 사용하지 않아 IMAGENET-C 데이터셋은 오로지 testing할 때 사용하였다.

이런 방식으로 변환하며, 한 이미지당 default값으로 3장의 이미지로 변환한다.

(2) Mixing