CutMix
Die Kurzantwort · 11 Wörter
Kurz erklärt
Datenaugmentierungsverfahren, das Bildausschnitte zwischen Trainingsbildern austauscht und ihre Labels flächengewichtet mischt.
Flow-alerta.cab (2026): CutMix. https://flow-alerta.cab/glossar/cutmix. Redaktionell geprüft am: 10. Oktober 2026.
Wie ausführlich soll es sein?
Praxis
Relevant beim Training eigener Computer-Vision-Modelle. Mögliche Verbesserungen bei Generalisierung oder Lokalisation sind empirisch und müssen für Datensatz, Aufgabe und Architektur geprüft werden.
Ein Qualitätsbildklassifikator wird zusätzlich mit CutMix-Varianten trainiert und gegen eine unveränderte Baseline auf einem getrennten Testsatz verglichen.
Nur bei eigenen Computer-Vision-Trainingspipelines einsetzen; Parameter, Zufallsseeds und Baseline dokumentieren und fachlich relevante Fehlertypen getrennt auswerten.
Auf einen Blick
- Kern
- Bei CutMix wird ein rechteckiger Patch aus einem Bild in ein anderes eingesetzt. Das Trainingslabel wird entsprechend dem Flächenanteil beider Bilder gemischt. Das Verfahren kombiniert Aspekte von Cutout und Mixup, erhält aber sichtbare Bildbereiche.
- Nutzen
- Relevant beim Training eigener Computer-Vision-Modelle. Mögliche Verbesserungen bei Generalisierung oder Lokalisation sind empirisch und müssen für Datensatz, Aufgabe und Architektur geprüft werden.
- Beispiel
- Ein Qualitätsbildklassifikator wird zusätzlich mit CutMix-Varianten trainiert und gegen eine unveränderte Baseline auf einem getrennten Testsatz verglichen.
- Grenzen
- Flächenanteil mit tatsächlichem semantischem Inhalt gleichsetzen; CutMix mit Mixup, Cutout oder Copy-Paste verwechseln; ungeeignete Patches für kleine Objekte nutzen; Verbesserungen aus dem Originalpaper als Garantie übertragen; Testbilder augmentieren.
Im Zusammenhang
Datenaugmentation
Datenaugmentation erzeugt aufgabenkonsistente Varianten vorhandener Trainingsbeispiele, um Modelle robuster zu trainieren.
Bildklassifikation
Computer-Vision-Aufgabe, bei der einem gesamten Bild eine oder mehrere vordefinierte Klassen zugeordnet werden.
Computergestütztes Sehen (Computer Vision)
Teilgebiet der KI, das Bilder und Videos analysiert, um Objekte, Muster, Text oder räumliche Zusammenhänge zu erkennen.
Fragen, die dazu gestellt werden
Ist CutMix ein Modell? Nein, eine Trainingsaugmentation. Werden Pixel gemittelt? Nein, ein Patch wird eingesetzt. Verbessert CutMix jedes Modell? Nein. Ist die Labelmischung semantisch exakt? Nicht zwingend.
Alle Details und Hintergründe
Bei CutMix wird ein rechteckiger Patch aus einem Bild in ein anderes eingesetzt. Das Trainingslabel wird entsprechend dem Flächenanteil beider Bilder gemischt. Das Verfahren kombiniert Aspekte von Cutout und Mixup, erhält aber sichtbare Bildbereiche.
ELI5 – Einfach erklärt
Ein Trainingsbild bekommt ein Stück eines anderen Bildes eingesetzt; das Ziel sagt anteilig, wie viel von beiden Klassen enthalten ist.
Warum das im Alltag wichtig ist
Relevant beim Training eigener Computer-Vision-Modelle. Mögliche Verbesserungen bei Generalisierung oder Lokalisation sind empirisch und müssen für Datensatz, Aufgabe und Architektur geprüft werden.
Beispiel
Ein Qualitätsbildklassifikator wird zusätzlich mit CutMix-Varianten trainiert und gegen eine unveränderte Baseline auf einem getrennten Testsatz verglichen.
Fallstricke und Grenzen
- Flächenanteil mit tatsächlichem semantischem Inhalt gleichsetzen; CutMix mit Mixup, Cutout oder Copy-Paste verwechseln; ungeeignete Patches für kleine Objekte nutzen; Verbesserungen aus dem Originalpaper als Garantie übertragen; Testbilder augmentieren.
Entstehung & Geschichte
Yun und Mitautoren veröffentlichten CutMix 2019 als Regularisierungsstrategie für Bildklassifikation mit lokalisierten Merkmalen.
Anwendung im Mittelstand
- Nur bei eigenen Computer-Vision-Trainingspipelines einsetzen; Parameter, Zufallsseeds und Baseline dokumentieren und fachlich relevante Fehlertypen getrennt auswerten.
Verwandte Begriffe
- Mixup
- Cutout
- Datenaugmentation
- Regularisierung
- Bildklassifikation
- Computer Vision
- Copy-Paste Augmentation
Passende Flow-alerta-Leistung
SchulungenKI-Beratung – Trainings- und Evaluationsstrategie für eigene Computer-Vision-Projekte prüfenPassendes Tool / Use Case
Praxisbeispiele ansehenTools: PyTorch oder Keras; Use Case: kontrollierter CutMix-Baselinevergleich für einen BildklassifikatorQuellen
- arxiv.orgYun et al. (2019), CutMix
- github.comOffizielle PyTorch-Implementierung
Quellenprüfung: 10.10.2026. Definition und dokumentierte Einordnung abgeglichen; Beispiele beschreiben mögliche Anwendungen.
Redaktionell geprüft am: