परीक्षण-समय वृद्धि

टेस्ट-टाइम ऑग्मेंटेशन (टीटीए) एक ही इनपुट के कई परिवर्तित संस्करणों पर एक प्रशिक्षित मॉडल चलाता है और भविष्यवाणियों का औसत निकालता है। यह एक सरल, प्रशिक्षण-मुक्त ट्रिक है जो अक्सर सटीकता के कुछ अतिरिक्त बिंदुओं को निचोड़ लेती है और भविष्यवाणियों को अधिक मजबूत बनाती है।

टीटीए एक ही प्रशिक्षित मॉडल के माध्यम से एक इनपुट के कई संवर्धित संस्करणों को फीड करता है और भविष्यवाणियों को एकत्रित करता है, जिसमें कोई पुनर्प्रशिक्षण शामिल नहीं होता है।

The ensemble intuition depends on useful, label-preserving views whose errors are not perfectly correlated.

क्योंकि प्रत्येक इनपुट को नेटवर्क से N बार गुजारा जाता है, अनुमान लगभग N गुना अधिक महंगा हो जाता है।

संवर्द्धन को वास्तविक लेबल को संरक्षित करना चाहिए; कुछ अंकों को पलटने से उनकी पहचान बदल जाती है और पूर्वाग्रह उत्पन्न हो जाता है।

ज्यामितीय संवर्द्धन पिक्सेल को स्थानांतरित करते हैं, इसलिए प्रत्येक आउटपुट मास्क को पूलिंग से पहले मूल समन्वय फ्रेम में वापस बदलना होगा।