数据增强与transfer learning

Data Augmentation

　　水平翻转（horizontal flips），镜像操作，是数据增强的常用操作；

　　随机裁剪（实际要检测的部分可能是被遮蔽的、或者光线强度不同、姿势不同等，所以训练时采用裁剪某个大小进行训练）

　　随机大小（大小变换，图像进行放大和缩小，不同大小的也要做随机的裁剪）。

　　        

　　其它增强：translation平移（一般给出平移范围），rotation旋转（范围），streching拉伸，shearing修剪；一般情况下都是随机组合这些操作用于增强处理。

　　

Transfer Learning

　　在已有训练模型基础上，只做部分参数调整（一般在最后的全联接层）训练。因为很多模型已经成熟，且训练需要大量数据，所以在实际应用中多采用transfer learning方式。有非常相似的数据集且只有少量数据，可以使用transfer learning方式只对线性分类层（softmax全联接层）做训练，如果数据较多，可以采用微调一些层；如果找不到相似的数据集，且数据量又很少，那么不能采用transfer learning方式处理，需要对数据增强处理后再找相似模型，如果数据较多，可以选用模型后对多层进行微调处理。

　　             

　　参考数据模型：