如何解决Pytorch-应该使用“ CenterCrop”测试集吗?这算作弊吗?
我正在用Pytorch学习图像分类。我发现一些论文代码使用“ CenterCrop”对训练集和测试集进行了编码,例如调整为更大的尺寸,然后应用CenterCrop获得较小的尺寸。较小的尺寸是该研究方向上的一般尺寸。
根据我的经验,与没有在测试集上使用CenterCrop相比,应用CenterCrop可以显着改善测试(例如1%或2%)。
因为它在顶级会议论文中使用,使我感到困惑。那么,是否应该使用CenterCrop将这个计数设置为作弊测试?另外,除了“调整大小”和“规范化”之外,我是否应该使用任何数据扩充来测试设置?
谢谢您的回答。
解决方法
那不是作弊。您可以应用任何扩充,只要不使用标签即可。
在图像分类中,有时人们使用FiveCrop + Reflection技术,该技术将五种作物(中心,TopLeft,TopRight,BottomLeft,BottomRight)及其反射作为增强。然后,他们可以预测每种作物的分类概率并取平均结果,通常以10倍的运行时间提高性能。
在分割中,人们还使用类似的测试时间增强“多尺度测试”,即在将输入图像输入网络之前将其调整为不同的比例。预测也要平均。
如果您确实使用了这种扩充,请在与其他方法进行比较时进行报告,以进行公平比较。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。