深度学习正则化---数据增强

在深度学习应用中训练数据往往不够，可以通过添加噪声、裁剪等方法获取更多的数据。另外，考虑到噪声的多样性，可以通过添加不同种类的噪声获取更多类型的数据，比如裁剪、旋转、扭曲、拉伸等不同的方法生成不同的数据。

主要方法有：修改图片尺寸、按比例缩放、加噪声、反转、旋转、平移、缩放变换、剪切、对比度变换、随机通道偏移、PCA、模糊化等