arXiv cs.AI· Jesper B. Christensen, Ciaran Bench, Spencer A. Thomas, H\"usn\"u Aslan, David Balslev-Harder, Nadia A. S. Smith, Alessandra Manzin·· 13 小时前AI 评分24
Ctrl-A：基于控制理论的自适应在线数据增强方法
Ctrl-A: Control-Driven Machine Learning using Adaptive Online Data Augmentation
AI 导读
研究者提出 ControlAugment（Ctrl-A），一种借鉴控制理论、在训练中在线调整各增强操作强度分布的图像数据增强算法，无需手动初始化单个增强强度。它通过控制回路架构和"相对操作响应曲线"按操作动态更新，有望减少对模型性能有负面影响的增强操作。
正文 · AI 翻译
摘要：我们提出 ControlAugment（Ctrl-A），一种用于图像视觉任务的自动化数据增强算法，它融合了控制理论的原理，在模型训练过程中在线调整增强强度分布。Ctrl-A 无需为各个增强强度进行初始化。相反，增强强度分布会在训练过程中基于控制回路架构以及我们所定义的相对操作响应曲线，被动态且单独地调整。使用依赖于操作的更新流程使 Ctrl-A 有可能减少使用会对模型性能产生负面影响的增强操作，从而减轻为新图像分类任务手动设计增强策略的需求。在 CIFAR-10、CIFAR-100、SVHN-core 和 Tiny ImageNet 基准数据集上，使用 WideResNet-28-10 和 ResNet 架构进行的实验表明，Ctrl-A 在一系列图像分类基准上提供了有竞争力的性能。
| 评论： | 19 页（正文 13 页），12 幅图（正文 9 幅）。v2 说明：标题略有改动，使其不那么泛化、更具描述性。实验部分经过全面修订，以展示和例证闭环控制机制，并新增了 Tiny ImageNet 实验 |
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI）；机器学习（cs.LG）；系统与控制（eess.SY） |
| 引用为： | arXiv:2603.21819 [cs.CV] |
| （或 arXiv:2603.21819v2 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2603.21819 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jesper Christensen 博士 [查看电子邮件]
[v1]
2026 年 3 月 23 日星期一 11:03:02 UTC（1,533 KB）
[v2]
2026 年 10 月 26 日星期一 19:00:01 UTC（2,043 KB）
来源：arXiv cs.AI · arxiv.org