数据增强

对已有训练数据做随机变换生成新样本，让模型见过更多变化。

数据增强指不新增采集，而是对已有样本做随机但不改变含义的变换来扩充训练集，是减轻过拟合、提升鲁棒性的标准手段。图像上常用随机裁剪、平移、旋转、颜色抖动、随机遮挡等。机器人数据又贵又少，增强尤其有用；但变换不能破坏图像和动作标签的对应关系，比如把画面左右翻转，动作里的左右方向也得跟着翻。2020 年 RAD 等工作表明，只加随机裁剪、平移这类简单增强，就能明显提升基于像素的强化学习的数据效率。近年还有用生成模型换背景、换物体的生成式数据增强，以及改写语言指令的指令增强。

例子RAD 对 DeepMind Control Suite 的像素输入加入随机裁剪、随机平移等增强，数据效率和最终性能达到当时最好水平，并在 ProcGen 上明显提升了测试时的泛化。

也叫

数据扩增、数据增广、图像增强

相关

过拟合、泛化、域随机化、生成式数据增强、指令增强、视觉泛化

来源

Google Machine Learning Glossary: data augmentation
Reinforcement Learning with Augmented Data (RAD, arXiv 2004.14990)