data argumentation :数据增强汇总

几何变换
　　flip：水平翻转，也叫镜像；垂直翻转
　　rotation：图片旋转一定的角度，这个可以通过opencv来操作，各个框架也有自己的算子
　　crop：随机裁剪，比如说，在ImageNet中可以将输入图片进行裁剪，然后输入。
颜色变换
　　hue：灰度调节，　　
　　contrast：在图像的HSV颜色空间，改变H，S和V亮度分量，增加光照变化。对光照有特殊要求的可以使用
　　saturation：图像饱和度
　　exposure：增加曝光
多个区域置零
　　random erase：随机擦除，将图片中的某个区域置零
　　CutOut：和random erase 差不多，都是将图片中某个区域擦除
　　hide-and-seek：将图片分为k*k的网格，每个网格已一定概率的方式擦除，和random erase、CutOut差不多
　　　　https://blog.csdn.net/weixin_41560402/article/details/106037701
　　grid mask：首先准备一个mask，mask非零即一，将mask和图片相乘，这样就会擦除很多区域了
　　　　https://zhuanlan.zhihu.com/p/103992528
多张图片增强
　　MixUp：两张图片，经过对应位置，经过线性插值，组成一张新的照片
　　　　https://www.jianshu.com/p/d22fcd86f36d
　　　　原谅我菜，数学原理看不透
　　CutMix：就是将一部分区域cut掉但不填充0像素而是随机填充训练集中的其他数据的区域像素值，分类结果按一定的
　　　　比例分配
　　　　https://blog.csdn.net/u013066730/article/details/106354846?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param
　　Mosica：将4张图像拼成一张图
style transfor GAN也用于数据增强
　　self-adversarial Training（SAT）YOLOV4提出
　　　　自对抗训练（SAT），包含两个过程
　　　　　　第一个过程：神经网络更改原始图像
　　　　　　第二个过程：训练神经网络以正常方式在修改后的图像上执行目标检测任务