blue-oil/blueoil

Implement mixup data augmentation

Open

#430 建立於 2019年9月17日

在 GitHub 查看
 (0 留言) (1 反應) (0 負責人)Python (250 star) (85 fork)batch import
accuracy_improvementgood first issue

描述

  • 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

貢獻者指南

技術棧
pythontensorflow
領域
machine learning
議題類型
feature
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
3
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-2 days
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
stale
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
mostly clear
前置要求
Python basicsDeep learning conceptsFamiliarity with data augmentation
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
40
研究方向
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.