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。
本文来自博客园,作者:zhang-X,转载请注明原文链接:https://www.cnblogs.com/YY-zhang/p/15075157.html