AugMax - 技术文档报告

1. 项目名称

主标题: AugMax

副标题: 对抗性随机增强组合框架

2. 摘要

AugMax是一个用于提升模型鲁棒性的数据增强框架，主要特点包括：

• 通过对抗性组合随机增强实现多样性和难度的统一
• 创新的DuBIN（双批-实例归一化）模块处理特征异质性
• 在多个基准数据集上实现SOTA性能
• 支持分布式训练和多种网络架构

该项目解决了传统数据增强方法在模型鲁棒性提升方面的局限性，主要面向计算机视觉研究人员和工程师。其独特优势在于将对抗训练与数据增强相结合，显著提升了模型在分布外数据上的表现。

AugMax框架示意图

3. 项目地址

🔗 https://github.com/VITA-Group/AugMax

4. 标签系统

提取规则: 基于技术术语、工具链、应用场景生成标签

5. 技术主题分类

多维度分类：

• 领域类型: 人工智能/深度学习
• 技术方向: 计算机视觉/模型鲁棒性
• 应用场景: 图像分类/模型优化

6. 技术栈分析

技术栈表格

7. 专业README中文文档

1. 项目简介

AugMax是NeurIPS 2021论文《AugMax: Adversarial Composition of Random Augmentations for Robust Training》的官方实现，提出了一种结合对抗训练和数据增强的创新框架。

AugMax在多个数据集上的性能表现

2. 快速开始

2.1 训练配置

基本训练命令格式：

python augmax_training_ddp.py --gpu 0 --srp <保存路径> --drp <数据路径> --ds <数据集> --md <模型> --Lambda <λ值> --steps <内部步数>

2.2 训练示例

CIFAR10上训练ResNeXt29：

python augmax_training_ddp.py --gpu 0 --drp /ssd1/haotao/datasets --ds cifar10 --md ResNeXt29 --Lambda 10 --steps 10

ImageNet上分布式训练ResNet18：

NCCL_P2P_DISABLE=1 python augmax_training_ddp.py --gpu 0 --drp /ssd1/haotao/datasets --ds IN --md ResNet18 --Lambda 12 -e 90 --wd 1e-4 --decay multisteps --de 30 60 --ddp --dist_url tcp://localhost:23456

2.3 模型测试

python test.py --gpu 0 --ds <数据集> --drp <数据路径> --md <模型> --mode all --ckpt_path <模型路径>

3. 预训练模型

预训练模型可从Google Drive获取。

4. 引用

@inproceedings{wang2021augmax,
  title={AugMax: Adversarial Composition of Random Augmentations for Robust Training},
  author={Wang, Haotao and Xiao, Chaowei and Kossaifi, Jean and Yu, Zhiding and Anandkumar, Anima and Wang, Zhangyang},
  booktitle={NeurIPS},
  year={2021}
}

8. 综合指数

综合评估表格