Архитектура Архитектура
Модели Модели
Обучение Обучение
Инструменты Инструменты
Применение Применение
Исследования Исследования
Глоссарий Глоссарий
глоссарий

MixUp

MixUp

MixUp — аугментация, при которой модель учится на взвешенных смесях двух случайных объектов. Признаки и метки смешивают в пропорции λ: например, при λ=0,6 первый объект вносит 60%, второй — 40%. Получается пример, сочетающий оба класса.

Это мощная регуляризация: сеть перестаёт механически запоминать данные, ищет общие закономерности и строит плавные границы между классами. Модель учится выражать уверенность в промежуточных случаях, что улучшает обобщение.

Интуитивно это виртуальное расширение датасета. Смешав фото кота и собаки, получаем «котособаку» с метками 0,7 и 0,3. Модель понимает, что объекты редко бывают «чистыми», и становится менее самоуверенной.

Пример из медицины: смешивая рентгенограммы здоровых и больных, создают промежуточные случаи. Это помогает различать слабые патологии, а врач получает не бинарный ответ, а оценку уверенности.

Вывод: MixUp — простой приём, усиливающий модель без новых данных и изменения архитектуры. Несколько строк кода дают заметный прирост качества, поэтому метод применяют от компьютерного зрения до NLP.