Evolving Image Compositions for Feature Representation Learning

Resumo do comunicado de imprensa

Pesquisadores da University of Virginia e da Rice University desenvolveram uma técnica de ampliação de dados chamada PatchMix que ajuda redes neurais de reconhecimento de imagens a aprender melhor ao treinar com imagens híbridas construídas artificialmente. O problema central é que modelos de deep learning para reconhecimento visual tendem a sofrer overfitting com seus dados de treinamento e, embora métodos existentes como Mixup e CutMix já misturem pares de imagens para combater isso, eles são limitados na flexibilidade com que conseguem combinar essas imagens. O PatchMix resolve isso fatiando duas imagens em uma grade de patches de tamanho igual e trocando patches entre elas de acordo com uma máscara binária, atribuindo então à imagem composta resultante um rótulo combinado proporcional a quantos patches vieram de cada fonte. A equipe também adicionou uma função de perda secundária que treina a rede para identificar corretamente a que classe cada patch individual pertence, e não apenas a imagem como um todo, o que força o modelo a construir representações mais conscientes do contexto local. Indo além, os pesquisadores usaram um algoritmo de busca genética para descobrir automaticamente quais pares de categorias de imagens são mais úteis de misturar e quais padrões de grade produzem os exemplos de treinamento mais desafiadores — e, portanto, mais informativos — tudo isso sem precisar retreinar o modelo do zero para cada configuração candidata. Testado em benchmarks padrão, um modelo ResNet-50 treinado com o PatchMix superou os modelos de base no CIFAR-10, no CIFAR-100, no Tiny ImageNet e no ImageNet, e apresentou desempenho mais forte de aprendizado por transferência em tarefas que incluem detecção de objetos, reconhecimento de cenas e legendagem de imagens, sugerindo que o método produz características visuais de propósito mais geral do que abordagens concorrentes.