초록
본 논문에서는 합성곱 신경망(CNN)을 훈련하기 위한 새로운 데이터 증강 방법인 랜덤 지우기(Random Erasing)를 소개합니다. 훈련 과정에서 랜덤 지우기는 이미지에서 임의의 직사각형 영역을 선택하여 해당 픽셀들을 임의의 값으로 지웁니다. 이 과정을 통해 다양한 수준의 가림 현상이 발생한 훈련 이미지들이 생성되며, 이는 과적합의 위험을 줄이고 모델이 가림에 대해 강건하게 만드는 역할을 합니다. 랜덤 지우기는 매개변수 학습이 필요하지 않으며, 구현이 쉽고 대부분의 CNN 기반 인식 모델과 통합될 수 있습니다. 간단함에도 불구하고, 랜덤 지우기는 랜덤 크롭핑 및 뒤집기와 같은 일반적으로 사용되는 데이터 증강 기법들과 보완적이며, 이미지 분류, 객체 검출 및 사람 재식별 등의 강력한 베이스라인보다 일관된 개선 효과를 나타냅니다. 코드는 다음 주소에서 확인할 수 있습니다: https://github.com/zhunzhong07/Random-Erasing.