SSL论文笔记（数据增广）：RandAugment

Abstract 日前，自动化增广策略帮助图像分类和目标检测实现了SOTA结果，且也帮助了半监督学习领域并提升了鲁棒性 但是由于需要一个单独的搜索阶段，存在两个问题： 增加了训练复杂性和计算代价 不能基于模型容量或者数据集大小去调整正则化强度 本文解决了上述困境，显著缩小了搜索空间（仅有两个超参），以此完全消除了在一个单独的代理任务上的搜索阶段，构建了模型参数和数据增广的统一优化策略。 Intro

>>阅读原文<<