CutMix
Data-Augmentation-Technik, die einen rechteckigen Bereich eines Bildes ausschneidet und durch einen Bereich eines anderen Bildes ersetzt.
CutMix schneidet einen Patch aus einem Bild und ersetzt ihn mit einem Patch eines anderen – Labels werden proportional angepasst. Erzwingt robustere Feature-Nutzung als Mixup.
Erklärung
Labels werden proportional zur Fläche angepasst. Erzwingt, dass das Modell alle Bildregionen für die Klassifikation nutzt, nicht nur einen dominanten Bereich.
Relevanz für Marketing
CutMix ist Standard in modernem Computer-Vision-Training und oft besser als Cutout oder Mixup allein.
Häufige Fallstricke
Patch-Größe muss gut gewählt sein. Bei kleinen Objekten kann wichtige Information verloren gehen.
Entstehung & Geschichte
Eingeführt 2019 von Yun et al. (KAIST). Kombiniert Ideen aus Cutout (2017) und Mixup (2017) und erreichte State-of-the-Art auf ImageNet und CIFAR.
Abgrenzung & Vergleiche
CutMix vs. Mixup
Mixup blendet global; CutMix ersetzt lokal. CutMix erhält lokale Pixelstatistiken und trainiert robustere lokale Features.
CutMix vs. Cutout
Cutout maskiert einen Bereich mit Nullen (Information geht verloren); CutMix ersetzt ihn mit nützlicher Information aus einem anderen Bild.