이 논문은 새로운 데이터 증강 기법인 YONA(You Only Need hAlf)를 제안한다. YONA는 이미지를 수직 또는 수평으로 절반으로 나누고, 한 부분에 데이터 증강을 적용하며 다른 부분은 노이즈로 대체한다. 이를 통해 모델이 불완전한 시각 정보에서도 객체를 인식할 수 있도록 하며, 다양한 데이터 증강 기법과 신경망 구조에서 성능 향상을 달성할 수 있다.
실험 결과, YONA는 CIFAR-10과 CIFAR-100 데이터셋의 이미지 분류 작업에서 기존 데이터 증강 기법들과 비교하여 우수한 성능을 보였다. 또한 YONA는 PGD 및 FGSM 공격에 대한 모델의 강건성을 크게 향상시켰다. 추가 실험을 통해 이미지의 절반을 마스킹하는 것이 최적의 성능을 보인다는 것을 확인하였다.
YONA는 간단하고 효율적인 데이터 증강 기법으로, 기존 방법들을 보완하여 모델의 일반화 성능과 강건성을 향상시킬 수 있다. 이는 컴퓨터 비전 분야에서 중요한 의미를 가진다.
Vers une autre langue
à partir du contenu source
arxiv.org
Questions plus approfondies