数据增强（Data augmentation）

数据增强（Data augmentation）

或许最简单的数据增强方法就是垂直镜像对称，假如，训练集中有这张图片，然后将其翻转得到右边的图像，实际是做了一个镜像对称，如果镜像操作保留了图像中想识别的物体的前提下，这是个很实用的数据增强技巧。

 

另一个经常使用的技巧是随机裁剪，给定一个数据集，然后开始随机裁剪，随机裁剪并不是一个完美的数据增强的方法，如果你随机裁剪的那一部分，这部分看起来并不能识别原本图片中的物体。但在实践中，这个方法还是很实用的，随机裁剪构成了很大一部分的真实图片。

 

 

 

镜像对称和随机裁剪是经常被使用的，当然，理论上，也可以使用旋转，剪切（shearing：此处并非裁剪的含义，图像仅水平或垂直坐标发生变化）图像，可以对图像进行这样的扭曲

变形，引入很多形式的局部弯曲等等。

还有一个经常使用的方法是彩色转换，有这样一张图片，然后给 R、G 和 B 三个通道上加上不同的失真值。这么做的目的就是使用不同的 R、G 和 B 的值，使用这些值来改变颜色。颜色失真或者是颜色变换方法，这样会使得你的学习算法对照片的颜色更改更具鲁棒性。