CUTMIX 논문 설명

• Mixup(두 이미지 픽셀 값의 크기 조절 + 합침) + Cutout(데이터의 일부분을 잘라 그 부분은 비움)

: 두 개의 입력 이미지를 일정한 비율의 범위로 자르고, 두 이미지를 합성한 후 label을 비율에 맞게 다시 정해주는 것

본 방법은 classification을 위한 regularization 방법

1. Classification accuracy: ImageNet test data 전체에 대해 정답을 맞힌 수치
2. Localization 수치: ImageNet test data에서 물체의 위치를 얼마나 잘 찾는지에 관한 수치
3. mAP(mean Average Precision): detection의 대표적인 수치, 모든 클래스에 대한 AP의 평균값
   AP = True Positive/(True Positive = False Positive)

• 조합방법

1. StochDepth: 임의의 layer를 Residual Block의 shortcut을 이용해 건너뛰도록 구성
2. Label smoothing: one-hot encoding된 라벨에 uniform vector를 추가
   3-1. Drop Block: 일정한 영역을 제거
   3-2. Drop Out: 랜덤한 위치를 제거
3. Manifold mixup: manifold 상에서 섞는 두 영상을 섞는 방법, 다중 레이어들의 feature를 섞음
4. Mixup: 이미지 자체를 섞는 방법
5. Shake Drop: 기존의 방법인 Shake-Shake 의 방법과 StochDepth를 섞은 방법

출처: https://www.youtube.com/watch?v=1O6c1VtSqfA