【机器学习与深度学习理论要点】04.训练数据不足带来的问题及解决方法？

目录

1）在图像分类任务中，训练数据不足会带来什么问题？

当训练数据不足时，说明模型从原始数据中获取的信息比较少，这种情况下要保证模型的效果，就需要更多鲜艳信息，具体到图像分类任务上。

训练数据不足带来的问题主要表现在过拟合方面，即模型在训练样本上的效果可能不错，但在测试集上的泛华效果不佳。

2）如何缓解数据量不足带来的问题?

• 一定程度内的随机旋转、平移、裁剪、填充、左右翻转等，这些变换对应着同一个目标在不同角度的观察结果。
• 对图像中的像素添加噪声干扰，比如椒盐噪声、高斯白噪声等。
• 颜色变换。
• 改变图像的亮度、清晰度、对比度、锐度等。

作者：野哥李
微信公众号：AI算法学习社
欢迎任何形式的转载，但请务必注明出处。
限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。
本文章不做任何商业用途，仅作为自学所用，文章后面会有参考链接，我可能会复制原作者的话，如果介意，我会修改或者删除。