Qu'est-ce que le mixup et le cutmix ? Comment influencent-ils la régularisation ?

Mixup et CutMix sont des méthodes d'augmentation des données utilisées pour améliorer la capacité de généralisation des modèles, en particulier dans les tâches de vision par ordinateur.

• Mixup consiste à mélanger linéairement deux images et leurs étiquettes. Par exemple, une nouvelle image est créée comme une somme pondérée de deux images originales, et l'étiquette comme une somme pondérée de leurs étiquettes. Cela aide le modèle à apprendre à partir d'exemples intermédiaires, réduisant le surapprentissage.

• CutMix au lieu de mélanger toute l'image, découpe une région rectangulaire d'une image et l'insère dans une autre, et l'étiquette est formée en proportion de la surface de la région insérée. Cela conserve les caractéristiques locales et favorise un entraînement plus stable.

Les deux méthodes servent de régularisateurs, car elles obligent le modèle à être moins confiant et plus résistant au bruit, améliorant la généralisation et réduisant le surapprentissage.