blue-oil/blueoil

Implement mixup data augmentation

Open

#430 opened on 2019年9月17日

GitHub で見る
 (0 comments) (1 reaction) (0 assignees)Python (250 stars) (85 forks)batch import
accuracy_improvementgood first issue

説明

  • For classification
  • For object detection

Mixup is an effective data augmentation, it can improve performance simply reported by many papers.

Paper: https://arxiv.org/pdf/1710.09412.pdf

References:

https://qiita.com/yu4u/items/70aa007346ec73b7ff05

https://arxiv.org/pdf/1902.04103.pdf

コントリビューターガイド

技術スタック
pythontensorflow
領域
machine learning
Issue 種別
feature
難度新しい貢献者にとっての実装難度です。1 は非常に小さな変更、5 は専門的な作業です。
3
推定時間経験ある貢献者が調査、実装、テスト、pull request 準備にかけるおおよその時間範囲です。
1-2 days
活動状況Issue が今どれだけ取り組みやすいかを示します。新しい、活発、古い、ブロック中、またはメンテナー入力待ちなどです。
stale
明確さ期待される変更、受け入れ条件、次の手順がどれだけ明確かを示します。
mostly clear
前提条件
Python basicsDeep learning conceptsFamiliarity with data augmentation
初心者向け度初回貢献者にどれだけ取り組みやすいかを 1-100 で推定したスコアです。
40
調査方針
The issue requests implementing mixup data augmentation for classification and object detection tasks. The paper (arXiv:1710.09412) and reference implementations (e.g., Qiita article, CutMix paper) provide guidance. To begin, locate the existing data augmentation module in Blueoil (likely under blueoil/data augmentor.py or similar), and add a mixup function that blends images and labels. For object detection, adjust bounding boxes accordingly. Test the implementation against existing models.