Core Concepts
画像データ拡張によるクラス固有バイアスを管理するための効果的な方法を提案する。
Abstract
画像データ拡張はモデルの汎化性能を向上させるが、クラス精度に影響を与える可能性がある。ResNet50、EfficientNetV2S、SWIN ViTでこの現象を評価し、Vision Transformersがより高い耐性や変化したダイナミクスを示すことが明らかになった。モデル選択に微妙なアプローチが必要であり、バイアス緩和が重要である。また、「データ拡張の堅牢性調査」方法を改良してDA誘発バイアスを効率的に管理し、計算要求量を大幅に削減することも示唆されている。
Stats
トレーニング112モデルでは1860モデルの代わりに訓練(16.2倍の削減)
Quotes
"Data augmentation enhances model generalization in computer vision but may introduce biases, impacting class accuracy unevenly."
"Our study extends this inquiry, examining DA’s class-specific bias across various datasets, including those distinct from ImageNet, through random cropping."