数据增广

在介绍数据增广前，我们先了解一个有趣的故事

CES上的真实故事

在某一年的CES展会上，有一家做智能售货机的公司，发现他们的演示机器在现场效果很差，因为现场

• 不同的色温
• 桌面的灯光反射不一样

为了解决这个问题，他们连夜现场收集了数据，训练了一个新的模型，同时买了一块新桌布，才解决了这个问题。

数据增广的概念

上面的这个例子体现了数据增广的重要性。数据增广是指对原始数据进行一系列的变换，从而扩充训练数据集，提高模型的泛化能力。

数据增广的主要方法有：

• 旋转：将图像旋转一定角度，增加数据集的多样性。
• 裁剪：裁剪图像中的一部分，增加数据集的多样性。
• 缩放：将图像缩放到不同的尺寸，增加数据集的多样性。
• 翻转：将图像水平或垂直翻转，增加数据集的多样性。
• 加噪声：在图像中加入随机噪声，增加数据集的多样性。
• 颜色变换：改变图像的颜色，增加数据集的多样性。

数据增广的目的就是为了增加模型的泛化能力，提高模型的鲁棒性。