摘要

数据增强是提高深度学习模型泛化能力的重要技术。最近，AutoAugment 被提出作为一种从数据集中自动搜索增强策略的算法，并在许多图像识别任务上显著提升了性能。然而，其搜索方法即使对于相对较小的数据集也需要数千个 GPU 小时。本文中，我们提出了一种称为 Fast AutoAugment 的算法，该算法通过基于密度匹配的更高效搜索策略来寻找有效的增强策略。与 AutoAugment 相比，所提出的算法将搜索时间缩短了几个数量级，同时在包括 CIFAR-10、CIFAR-100、SVHN 和 ImageNet 在内的多种模型和数据集上的图像识别任务中实现了相当的性能。