मिक्सअप और कटमिक्स ऑग्मेंटेशन
मिक्सअप और कटमिक्स डेटा-संवर्द्धन विधियां हैं जो दो छवियों और उनके लेबलों को मिश्रित करके नए प्रशिक्षण उदाहरण बनाती हैं।
सिंहावलोकन
मिक्सअप रैखिक रूप से पूरे छवियों और लेबल interpolates है, जबकि CutMix एक छवि से दूसरे पर एक आयताकार पैच पेस्ट और पैच क्षेत्र द्वारा लेबल मिश्रण करता है - दोनों overfitting को कम करने और मजबूती में सुधार.
गहरा गोता
मिक्सअप (झांग एट अल., 2017) x̃ = λ·x_a + (1−λ)·x_b के रूप में एक नया नमूना बनाता है, जिसमें लेबल ỹ को उसी λ द्वारा मिश्रित किया जाता है, जहां λ को बीटा वितरण से लिया जाता है। यह मॉडल को उदाहरणों के बीच रैखिक रूप से व्यवहार करने, निर्णय सीमाओं को सुचारू करने और अंशांकन में सुधार करने के लिए प्रोत्साहित करता है। कटमिक्स (यूं एट अल., 2019) इसके बजाय छवि बी से एक आयताकार क्षेत्र को काटता है और इसे छवि ए पर चिपकाता है; लेबल का वजन प्रत्येक छवि द्वारा योगदान किए गए पिक्सेल के अनुपात द्वारा निर्धारित किया जाता है। चूँकि CutMix स्थानीय रूप से सुसंगत छवि क्षेत्रों (भूतिया मिश्रणों के बजाय) को बनाए रखता है, यह मॉडल को कई वस्तुओं और भागों में शामिल होने के लिए मजबूर करते हुए उपयोगी स्थानिक संरचना को संरक्षित करता है। दोनों तकनीकें मजबूत नियमितीकरणकर्ताओं के रूप में कार्य करती हैं, इमेजनेट-स्केल बेंचमार्क पर सटीकता बढ़ाती हैं, और विशेष रूप से भ्रष्टाचार और प्रतिकूल इनपुट की मजबूती में सुधार करती हैं।
तकनीकी अंतर्दृष्टि
दोनों विधियाँ केवल इनपुट ही नहीं, बल्कि हानि लक्ष्य को भी संशोधित करती हैं। लेबल एक नरम, मिश्रित लक्ष्य बन जाता है, इसलिए क्रॉस-एन्ट्रॉपी हानि दो वर्गों का λ-भारित संयोजन है - प्रभावी रूप से पिक्सेल मिश्रण अनुपात से जुड़ा लेबल स्मूथिंग का एक रूप है। कटमिक्स में, λ अपरिवर्तित पिक्सेल के अंश के बराबर होता है, जिसकी गणना कट बॉक्स क्षेत्र को कुल छवि क्षेत्र से विभाजित करके की जाती है, जो लेबल अनुपात को इस बात के अनुरूप रखता है कि प्रत्येक छवि कितनी दिखाई दे रही है।
सामरिक प्रभाव
लागत और बजट
वास्तुकला संबंधी निर्णय वर्षों तक प्रदर्शन और परिचालन लागत को संचालित करते हैं।
स्पष्ट निर्णय
तकनीकी शिक्षा टीमों को सही स्टैक चुनने में मदद करती है, न कि केवल नवीनतम स्टैक चुनने में।
गुणवत्ता नियंत्रण
बेहतर इंजीनियरिंग विकल्प उत्पादन में विश्वसनीयता की घटनाओं को कम करते हैं।
मिक्सअप और कटमिक्स ऑग्मेंटेशन का भविष्य
मिक्स-आधारित संवर्द्धन अब मजबूत छवि-वर्गीकरण व्यंजनों में मानक है और दृष्टि ट्रांसफार्मर के लिए आधुनिक प्रशिक्षण पाइपलाइनों को रेखांकित करता है, जिन्हें अक्सर भारी नियमितीकरण की आवश्यकता होती है। सामर्थ्य-जागरूक वेरिएंट (उदाहरण के लिए, सूचनात्मक क्षेत्रों में कटौती करना), ट्रांसफार्मर के लिए टोकन-स्तरीय मिश्रण, और ऑडियो, टेक्स्ट और 3 डी डेटा के विस्तार पर अनुसंधान जारी है। अपेक्षा करें कि मिश्रण रणनीतियाँ सटीकता, अंशांकन और मजबूती को बढ़ाने के लिए कम लागत वाली लीवर बनी रहें क्योंकि आर्किटेक्चर अधिक डेटा-भूख बढ़ रहा है।
वास्तविक विश्व कार्यान्वयन
शीर्ष-1 सटीकता बढ़ाने और वस्तुओं के स्थानीयकरण में सुधार करने के लिए कटमिक्स के साथ इमेजनेट क्लासिफायर का प्रशिक्षण।
मॉडल अंशांकन में सुधार के लिए मिक्सअप लागू करना ताकि पूर्वानुमानित आत्मविश्वास वास्तविक सटीकता से बेहतर मेल खाए।
सीमित डेटा पर प्रशिक्षित करने के लिए संयुक्त मिक्सअप और कटमिक्स के साथ दृष्टि ट्रांसफार्मर (उदाहरण के लिए, डीईआईटी) को नियमित रूप से नियमित करना।
सुरक्षा-महत्वपूर्ण दृष्टि प्रणालियों में छवि भ्रष्टाचार और आउट-ऑफ-डिस्ट्रीब्यूशन इनपुट की मजबूती में वृद्धि।
जोखिम और रेलिंग
एक बेंचमार्क को अनुकूलित करने से व्यापक सिस्टम कमजोरियों को छुपाया जा सकता है।
बुनियादी ढांचे और रखरखाव की लागत को अक्सर कम करके आंका जाता है।
जैसे-जैसे सिस्टम अधिक जटिल होते जाएंगे सुरक्षा और अवलोकन संबंधी अंतराल बढ़ सकते हैं।
कार्यान्वयन रोडमैप
कार्यान्वयन से पहले विलंबता, गुणवत्ता और लागत लक्ष्य परिभाषित करें।
यथार्थवादी लोड और डेटा स्थितियों के तहत बेंचमार्क।
त्रुटियों, बहाव और उपयोगकर्ता प्रभाव के लिए उपकरण निगरानी।
स्केलिंग से पहले रोलबैक और घटना प्रतिक्रिया पथ तैयार करें।
अन्वेषण करते रहें
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Mixup and CutMix Augmentation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
अगली गाइड
परीक्षण-समय वृद्धि
अक्सर पूछे जाने वाले प्रश्नों
मिक्सअप और कटमिक्स ऑग्मेंटेशन क्या है?
मिक्सअप और कटमिक्स डेटा-संवर्द्धन विधियां हैं जो दो छवियों और उनके लेबलों को मिश्रित करके नए प्रशिक्षण उदाहरण बनाती हैं। मिक्सअप पूरी छवियों और लेबलों को रैखिक रूप से प्रक्षेपित करता है, जबकि कटमिक्स एक छवि से दूसरी छवि पर एक आयताकार पैच चिपकाता है और पैच क्षेत्र के अनुसार लेबल मिलाता है - दोनों ओवरफिटिंग को कम करते हैं और मजबूती में सुधार करते हैं।
मिक्सअप एक नया प्रशिक्षण उदाहरण कैसे बनाता है?
मिक्सअप x̃ = λx_a + (1−λ)x_b बनाता है और बीटा वितरण से निकाले गए समान λ के साथ लेबल को मिलाता है।
कटमिक्स और मिक्सअप के बीच मुख्य अंतर क्या है?
CutMix एक आयताकार क्षेत्र को एक छवि से दूसरी छवि में कॉपी करता है, दो छवियों को एक साथ रखने के बजाय स्थानीय रूप से सुसंगत सामग्री रखता है।
कटमिक्स में, लेबल के लिए मिश्रण भार (लैम्ब्डा) कैसे निर्धारित किया जाता है?
कटमिक्स में लेबल अनुपात पूरी छवि के सापेक्ष चिपकाए गए बॉक्स के क्षेत्र द्वारा निर्धारित किया जाता है, जिससे लेबल दृश्यमान पिक्सेल के अनुरूप रहते हैं।
इनपुट छवि के अलावा, मिक्सअप और कटमिक्स और क्या संशोधित करते हैं?
दोनों विधियाँ लेबल को भी मिलाती हैं, जिससे नरम लक्ष्य बनते हैं जो लेबल स्मूथिंग के डेटा-निर्भर रूप की तरह कार्य करते हैं।
मिश्रण गुणांक लैम्ब्डा का नमूना लेने के लिए आमतौर पर किस वितरण का उपयोग किया जाता है?
मिक्सअप और कटमिक्स आमतौर पर बीटा वितरण से λ निकालते हैं, जो नियंत्रित करता है कि दोनों उदाहरण कितनी मजबूती से मिश्रित हैं।