mixup_augmentation

implementation mixup data augmentation with numpy and keras

通常のmixupは2つのサンプルを混合する。 この実装では2つ以上のサンプルを混合する。 そのため、混合比はディリクレ分布からサンプリングされる。
The typical mixup mixes two samples. In this implemention, mixup mixes two or more samples. Therefore, the mixing ratio is sampled from the Dirichlet distribution.

mixup.py

class MixupGenerator

numpyで実装されたmixupのジェネレーター
Generator of mixup implemented with numpy

class MixupSequence

kerasのSequenceを使ったmixupのジェネレーター
Generator of mixup using Sequence of keras

class ImageMixupSequence

kerasのimageDataAugmentationとmixupを組み合わせたジェネレーター
Generator combining keras's imageDataAugmentation and mixup

mixup_test.py

Verification of accuracy with cifar10 using resnet.
I reffered to keras tutorial https://github.com/keras-team/keras/blob/master/examples/cifar10_resnet.py.

results

image_augmantation mix_num alpha epoch Train loss Train accuracy Test loss Test accuracy
resnet20(v2) - - - 200 0.089 1.000 1.051 0.842
resnet20(v2) - 2 0.05 200 0.100 1.000 0.650 0.840
resnet20(v2) use - - 200 0.227 0.967 0.421 0.912
resnet20(v2) use - - 400 0.220 0.956 0.415 0.912
resnet20(v2) use 2 0.05 200 0.226 0.962 0.387 0.910
resnet20(v2) use 2 0.2 200 0.250 0.954 0.368 0.914
resnet20(v2) use 2 0.2 400 0.244 0.956 0.367 0.912
resnet20(v2) use 2 0.3 200 0.261 0.950 0.371 0.911
resnet20(v2) use 2 0.5 200 0.293 0.942 0.386 0.907
resnet20(v2) use 2 1 200 0.361 0.928 0.433 0.900
resnet20(v2) use 3 0.1 200 0.242 0.957 0.372 0.914
resnet20(v2) use 3 0.1 400 0.244 0.954 0.370 0.911
resnet20(v2) use 3 0.2 200 0.276 0.944 0.378 0.908