Presná definícia
Čo znamená mixup?
Mixup vytvára tréningový príklad konvexnou kombináciou dvoch vstupov x'=λxi+(1-λ)xj a rovnakou kombináciou ich cieľov. Koeficient λ sa zvyčajne vzorkuje z beta rozdelenia. Model sa tak učí približne lineárne správanie medzi pozorovaniami a menej ostré rozhodovacie hranice; zmiešaná vzorka však nemusí byť realistickým členom pôvodnej dátovej domény.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri obrazovej klasifikácii sa po vytvorení dávky premiešajú partneri, vzorkuje sa λ a loss sa vypočíta voči mäkkému cieľu. Tím overí, či miešanie zachováva zmysel úlohy: pri niektorých medicínskych, priestorových alebo diskrétnych vstupoch môže vytvoriť zavádzajúce kombinácie. Hodnotí sa presnosť, kalibrácia a robustnosť a osobitne sa dokumentuje, či sa mieša pred alebo po augmentáciách. Hodnota alpha sa ladí na validácii.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čo sa kombinuje?
Dva vstupy aj ich ciele tým istým koeficientom λ.
Odkiaľ pochádza?
Najčastejšie z beta rozdelenia so zvoleným parametrom alpha.
Je stále one-hot?
Nie, pre klasifikáciu je konvexnou kombináciou dvoch labelov.
Je zmiešaný obraz reálny?
Nemusí byť; metóda zavádza regularizačný predpoklad medzi vzorkami.
Kedy aplikovať ostatné augmentácie?
Pravidlo treba určiť a držať rovnaké pri reprodukcii.