초록
데이터 증강은 딥러닝 모델의 일반화 능력을 향상시키는 데 중요한 기술입니다. 최근에는 데이터셋에서 자동으로 증강 정책을 탐색하는 알고리즘인 AutoAugment가 제안되어 많은 이미지 인식 작업에서 성능을 크게 향상시켰습니다. 그러나 이 탐색 방법은 상대적으로 작은 데이터셋에서도 수천 시간의 GPU 연산이 필요합니다. 본 논문에서는 밀도 일치를 기반으로 한 더 효율적인 탐색 전략을 통해 효과적인 증강 정책을 찾는 알고리즘인 Fast AutoAugment를 제안합니다. 제안된 알고리즘은 AutoAugment와 비교하여 탐색 시간을 수십 배 단축시키면서도 CIFAR-10, CIFAR-100, SVHN, ImageNet 등 다양한 모델과 데이터셋에서 유사한 성능을 달성합니다.