가림 조건을 학습에 넣기
실제 이미지에서는 물체의 일부가 보이지 않을 수 있다. 학습 이미지의 일부를 지워 서로 다른 가림 수준을 만들면 전체 모습만 본 경우와 다른 인식 조건을 제공할 수 있다.
영역과 값의 무작위 선택
이미지 안에서 직사각형 영역을 골라 그 픽셀을 무작위 값으로 바꾼다. 다른 이미지 조각으로 채우는 CutMix와 달리 가림을 모사하는 입력 변형이다.
다른 증강과의 결합
별도 매개변수 학습이 필요 없고 여러 합성곱 기반 인식 모델에 통합할 수 있다. 무작위 자르기와 뒤집기 같은 일반적인 증강을 대체하기보다 함께 쓸 수 있는 방식으로 제시됐다.
인식 과제의 평가
논문은 이미지 분류와 객체 검출 및 사람 재식별에서 효과를 살폈다. 같은 영역 삭제 원리를 적용하더라도 평가 과제별로 목표와 지표가 다르다는 점을 구분해서 읽어야 한다.
관련 문서
GridMask / Cutout / CutMix / MixUp / AutoAugment / 신경망