가린 영역의 정보 손실
이미지 일부를 검은색이나 잡음으로 덮으면 중요한 픽셀 정보가 사라진다. CutMix는 이런 영역 제거의 정규화 효과를 활용하면서 학습 픽셀을 더 효율적으로 쓰려는 목적에서 제안됐다.
이미지와 레이블의 결합
학습 이미지 사이에서 조각을 잘라 붙이고 정답 레이블도 조각 면적에 맞춰 혼합한다. 픽셀 전체를 연속적으로 섞는 MixUp과 달리 공간적으로 구분된 영역을 대체한다.
분류와 위치 파악
논문은 CIFAR와 ImageNet 분류 및 약한 지도 위치 추정에서 효과를 비교했다. 모델이 물체의 가장 구별하기 쉬운 부분 외에도 다른 영역을 활용하게 하는 정규화의 역할을 살폈다.
전이와 견고함
CutMix로 학습한 분류기를 사전 학습 모델로 사용해 검출과 이미지 설명 생성도 평가했다. 입력 오염과 분포 밖 자료 탐지의 성능도 분석했다.
관련 문서
Cutout / MixUp / MixMatch / FixMatch / Noisy Student / 기계 학습